改进的自训练算法研究及其在遥感图像分类中的应用

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:stbruce
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
遥感图像分类在许多应用中起到关键作用,其中包括地理图像检索、植被制图、土地覆盖的确定、自然灾害检测、环境检测、城市规划、地理空间物体检测等研究。高遥感图像分类准确率是上述应用的首要任务。在高光谱遥的遥感图像中,当训练样本数目有限时,分类准确率随着图像波段数目的增加先增加,在达到一定极值后,分类准确率随着波段数目的增加而下降。在数据不平衡或数据量较少的情况下,神经网络很难学习到图像的表征。样本的获取在高光谱图像中是一项比较困难的工作,特别是采用高维特征向量时,要求每类的样本数都要比特征维数高。基于上述问题,本文在自训练算法基础上进行改进,改进的自训练在训练样本数目有限的情况下,依然能训练得到泛化能力和鲁棒性强的神经网络模型。本文主要工作是:一、在自训练算法中使用一种强限制机制,对低质量的伪标签数据进行过滤,使得模型随着算法迭代次数增加,模型泛化能力越强。强限制机制是在算法的早期,严格控制伪标签质量,在算法的后期,放宽对伪标签的过滤条件,以减少模型迭代次数。二、其次使用早停策略和迁移学习训练模型,使模型快速收敛。三、在自训练算法运行过程中,使用列表记录样本增长数量,然后使用数据增强技术来平衡数据,减少模型的偏向性。本文做了大量的实验来验证算法的可行性,在50%的AID作为训练数据和NNWPU-RESISC45作为未标记数据集的情况下,该算法在剩余的AID测试集上准确率达到96.01%。在20%的NNWPU-RESISC45数据作为训练集和AID作为未标记数据集,该算法在其余80%的NNWPU-RESISC45测试集上准确率达到93.03%。并在单个NNWPU-RESISC45数据集上,将数据集拆分不同的比例,本算法与其他自训练算法比较,准确率最高。
其他文献
智能电网作为下一代电力网络,融合了现代通信技术、传感技术以及自动化等技术,有效提升了电力网络的高效性、可靠性和稳定性。智能电表作为智能电网架构的重要基础设施,被广泛部署在用电区域以记录用户的用电数据,保证智能电网安全、可靠和高效地运行。但是这些数据不仅属于用户的隐私数据,而且用于智能电网监测、电力调度以及负载均衡等等,一旦被泄露或者篡改将会带来巨大损失,这成为了限制智能电网进一步发展的重要因素。因
随着图形图像技术的发展,特别是医疗成像设备的普及,医学图像处理技术得到了越来越广泛的应用。临床上,医生通过对脑出血病人的脑部CT扫描图像进行肉眼观看,并结合自身的行医经验,来判断病患的脑部出血量、血块的形态以及出血区域等相关指标,进而为手术做好相应的准备。然而,CT图像均为二维断层切片,并不能反映脑出血部位在空间上的结构。因此,本文以脑出血CT图像数据集作为基础,利用深度学习的方法对图像中出血部位
伴随着互联网的崛起,图像和视频在信息传播中起着不可忽视的作用。随之而来的就是各种图像和视频篡改软件,数字图像取证的一个重要方向就是对篡改图像的检测,以前大多数的方法集中在检测篡改图像分类上,很少有方法定位图像的篡改区域,目前大多数的图像篡改区域定位检测存在精确率不高的问题。此外,近几年由于深度学习的火热,出现了AI换脸技术,这些换脸技术能达到以假乱真,肉眼无法分辨的效果,也因此带来不小的社会安全问
空间数据中继网络(Space Data Relay Network,SDRN)凭借其覆盖范围广,可持续传输能力强等特点,为众多低、中轨用户卫星以及深空探测器提供数据跟踪、测控和中继服务。空间数据中继网络中的任务调度是指根据用户卫星的任务请求和数据中继卫星的有效载荷,科学合理地分配中继资源,以完成任务数据的传输。近年来,随着大量的卫星发射成功,不断增长的空间任务与有限的中继资源之间的矛盾愈加凸显,给
当前室外定位技术对人们的应用价值越来越突出,例如室外导航、无人驾驶等都需要位置信息。然而,在室内环境中,由于建筑物对卫星信号的遮挡,在室外应用较多的卫星定位系统的性能大大降低。此外,在非视距(Non-Line-of-Sight,NLOS)的传播环境中,应用较多的直达波定位算法的精度大打折扣。鉴于此,研究室内NLOS环境下的定位技术显得非常必要。为实现这个目标,本文将NLOS传播路径信息作为有利条件
随着城市人口和车辆数量的逐年增加,交通治理和规划越来越引起重视,合理的交通规划、公共交通布局可以减少城市拥堵,降低交通安全隐患。为了优化城市交通管理效率和提升市民出行体验,基于网格的城市交通流量预测方法被广泛应用于智能交通系统(Intelligent Transportation System,ITS)中。然而,现有的预测工作面临着许多问题,由于交通流量变化的随机性、在时间和空间关联上的高度非线性
2020年10月,党中央国务院印发《深化新时代教育评价改革总体方案》,体现了提高教学质量在教育强国战略中的重要地位。学生是教育的接收者,对教学质量有着清晰的感受。挖掘学生教学评价中的情感倾向可以反映真实的教学情况,帮助改善教学。为此,针对当前学生教学评价领域存在的主要问题,本文利用深度学习方法对学生教学评价文本进行情感分析研究,提出了两种深度学习模型分别用于学生教学评价的方面级别情感分析和跨领域情
图像的构成一般是复杂多样的,包含着各种各样的结构特征,如平坦区域、斜坡区域、角状结构、流状结构、褶皱和纹理等,其中有很多结构特征与噪声一样属于图像中的高频信息,权衡噪声的去除与结构特征的保持是图像复原研究的重点。本文以具有复杂结构的图像作为研究对象,利用分数阶微积分、结构张量、微分几何方法等理论,首先研究了如何去表征图像不同的结构特征,然后在此基础上研究了新的基于变分与偏微分方程的图像复原框架,具
区块链作为一种新兴技术,因其具备可溯源、防篡改、去中心化的特性,在金融、医疗、征信等领域得到了广泛专注。相对于其他区块链系统而言,超级账本的模块化设计支持可插拔的共识模块,用户可以根据需要选择共识算法。Raft共识作为一种高效分布式共识算法,可以与超级账本完美契合,极大地提升Hyperledger Fabric区块链的交易效率,尤其适用于数据上链效率要求较高的应用场景。然而,Raft共识仅支持崩溃
近年来,随着无人驾驶、虚拟现实、在线游戏等新型业务的不断涌现,给传输能力有限的通信骨干网带来了严峻的挑战。基于正交频分复用技术的弹性光网有着更灵活的频谱资源分配方式,可以有力缓解当前网络频谱资源使用紧张问题。与此同时,为了解决网络存在的结构僵化、可扩展性差等问题,网络虚拟化作为关键技术被提出。网络虚拟化允许多个相互分离且异构的虚拟网络共享底层物理网络资源,极大地提高了网络的灵活性和频谱资源使用效率