论文部分内容阅读
为解决针叶树种识别上存在的分类精度较低和训练时间较长的难点问题。本文提出一种基于卷积神经网络的机载高光谱影像针叶树种分类的网络模型。实验选定VGG16作为基础网络进行改进,精简了网络层的结构,重新组织了卷积核的排列,更好地适应高光谱分类任务,对实验选择的茶壶实验森林的机载高光谱影像数据带进行数据增强,使用Adam优化器进行训练优化,使用学习率反向时间衰减器和Early-stooping优化器加快网络拟合的速度、增加网络的泛化能力。研究结果表明,在类间差距小、类内差距大的情况下,与对比实验效果最好的未