典型文献
面向卫星遥感影像检索定位的深度学习全局表征模型评估与分析
文献摘要：
如何快速获取无辅助参数卫星遥感影像地理位置是非合作方式获取的遥感影像信息充分利用的一个关键,利用影像特征的相似性对卫星遥感影像检索来实现定位,是获取无辅助参数卫星遥感影像地理位置的有效手段.为了探寻影像深度学习全局特征用于无辅助参数卫星遥感影像检索定位的可行性,建立了包括Precision@K、平均排序、特征提取时间、特征相似性计算时间、硬件消耗等,涵盖有效性、效率2个方面共计5类指标的评估体系.采用谷歌地球提供的影像数据作为基准影像,在资源三号夏季及冬季数据集上,分别利用AlexNet、VggNet、ResNet、DenseNet、EfficientNet等几种代表性的卷积神经网络预训练模型提取基准影像及查询影像的全局特征,依据评估体系中的指标,对这些网络模型的影像表征效果进行全面的量化评估与分析.试验分析结果表明,DenseNet、ResNet-18、VggNet这3个深度学习神经网络预训练模型提取的全局特征,综合表征效果较好,可有效用于卫星遥感影像检索定位;当K值取200时,DenseNet网络模型的Precision@K值可以达到59.5％,ResNet-18和VggNet网络模型紧随其后,分别为49.7％和48.0％,为进一步利用深度学习全局特征进行卫星遥感影像检索定位,找出了最佳的候选网络模型,为下一步模型优化等研究奠定了基础.
文献关键词：
卫星遥感影像;检索定位;深度学习;卷积神经网络;全局特征;图像表征;有效性评估;效率评估
中图分类号：
作者姓名：
施群山;蓝朝桢;徐青;周杨;胡校飞
作者机构：
战略支援部队信息工程大学地理空间信息学院,郑州450001
文献出处：
引用格式：
[1]施群山;蓝朝桢;徐青;周杨;胡校飞-.面向卫星遥感影像检索定位的深度学习全局表征模型评估与分析)[J].地球信息科学学报,2022(11):2245-2263
A类：
VggNet
B类：
卫星遥感影像,影像检索,检索定位,表征模型,模型评估,评估与分析,合作方式,影像特征,全局特征,征用,Precision,提取时间,特征相似性,相似性计算,计算时间,类指,谷歌地球,影像数据,资源三号,AlexNet,ResNet,DenseNet,EfficientNet,预训练模型,影像表征,量化评估,试验分析,深度学习神经网络,综合表征,紧随其后,模型优化,图像表征,有效性评估,效率评估
AB值：
0.27371
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
