Aggregating CNN features for remote sensing image retrieval
-
摘要: 针对高分辨率遥感图像检索中手工特征难以准确描述图像的问题,提出聚合卷积神经网络(convolutional neural network,CNN)特征的方法来改进特征表达.首先,将预训练的CNN参数迁移到遥感图像,并针对不同尺寸的输入图像,提取表达局部信息的CNN特征;然后,对该CNN特征采用池化区域尺寸不同的均值池化和视觉词袋(bag of visual words,BoVW)2种聚合方法,分别得到池化特征和BoVW特征;最后,将2种聚合特征用于遥感图像检索.实验结果表明:合理的输入图像尺寸能提高聚合特征的表达能力;当池化区域为特征图的60%~80%时,绝大多数池化特征的结果优于传统均值池化方法的结果;池化特征和BoVW特征的最优平均归一化修改检索等级值比手工特征分别降低了27.31%和21.51%,因此,均值池化和BoVW方法都能有效提高遥感图像的检索性能.
-
-
计量
- 文章访问数: 521
- PDF下载数: 53
- 施引文献: 0
下载: