联合卷积神经网络与集成学习的遥感影像场景分类
【摘要】 针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征;然后构建由回归和支持向量机组成的集成模型，对同一图像的多LogisticStacking个特征分别训练模型，将预测概率结果融合构建概率特征;最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用LogisticUCMerced_LandUseNWPU-RESISC45和两种不同规模的遥感影像数据集进行试验，即使在只有
