%0 Journal Article
%T 基于ImageNet预训练卷积神经网络的遥感图像检索<br>Remote Sensing Image Retrieval Using Pre-trained Convolutional Neural Networks Based on ImageNet
%A 葛芸
%A 江顺亮
%A 叶发茂
%A 许庆勇
%A 唐祎玲&lt
%A br&gt
%A GE Yun
%A JIANG Shunliang
%A YE Famao
%A XU Qingyong
%A TANG Yiling
%J 武汉大学学报·信息科学版
%D 2018
%R 10.13203/j.whugis20150498
%X 高分辨率遥感图像内容复杂，细节信息丰富，传统的浅层特征在描述这类图像上存在一定难度，容易导致检索中存在较大的语义鸿沟。本文将大规模数据集ImageNet上预训练的4种不同卷积神经网络用于遥感图像检索，首先分别提取4种网络中不同层次的输出值作为高层特征，再对高层特征进行高斯归一化，然后采用欧氏距离作为相似性度量进行检索。在UC-Merced和WHU-RS数据集上的一系列实验结果表明，4种卷积神经网络的高层特征中，以CNN-M特征的检索性能最好；与视觉词袋和全局形态纹理描述子这两种浅层特征相比，高层特征的检索平均准确率提高了15.7%~25.6%，平均归一化修改检索等级减少了17%~22.1%。因此将ImageNet上预训练的卷积神经网络用于遥感图像检索是一种有效的方法
%K 遥感图像
%K 检索
%K 卷积神经网路
%K 预训练
%K &lt
%K br&gt
%K remote sensing image
%K retrieval
%K convolutional neural networks
%K pre-trained
%U http://ch.whu.edu.cn/CN/abstract/abstract5948.shtml