《表3 判别网络结构:基于深度对抗域适应的高分辨率遥感影像跨域分类》
本文实验中的源域和目标域的卷积神经网络结构如表2所示,判别网络结构如表3所示。对于模型的训练,UC-Merced和WHU-RS两个数据集的模型训练参数设置完全一样,训练速率衰减周期设置为50epoch,Batch size设置为64。对于Adam优化算法,初始学习速率为0.0001,速率衰减因子为0.9,epsilon设置为10-8,VGG16模型输入图像大小为224pixel×224pixel,因此将场景影像大小缩放到2 2 4pixel×2 2 4pixel。为了定量分析所提方法的有效性,利用混淆矩阵、总体精度(OA)和Kappa系数评价分类性能,研究域适应方法对目标域数据集的泛化能力。
图表编号 | XD0066607700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.10 |
作者 | 滕文秀、王妮、陈泰生、王本林、陈梦琳、施慧慧 |
绘制单位 | 南京林业大学林学院、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、河海大学地球科学与工程学院、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、安徽省地理信息智能感知与服务工程实验室 |
更多格式 | 高清、无水印(增值服务) |