深度迁移学习在高光谱图像分类中的运用

来源：计算机工程与应用杂志2019年第5期北京时间：

作者：王立伟1，李吉明2，周国民2，杨东勇1

单位：1.浙江工业大学 信息工程学院，杭州 310023；2.浙江警察学院 计算机与信息技术系，杭州 310053

摘要：针对高光谱图像分类中，样本空间特征利用不足的问题。将深层残差网络作为特征提取器运用到高光谱图像分类中，利用深层残差网络更深的网络结构，挖掘样本邻域空间中的深层特征，实验证明此特征具有更好的可分性。同时，针对深层卷积网络有监督训练的过程中，由于有标签样本不足导致的过拟合现象，提出基于深度迁移学习方法的训练策略，通过迁移网络在另一相关数据集中训练得到的网络浅层卷积核参数，再使用目标数据集对深层卷积核参数进行微调，提高了残差网络在少量有标签样本情况下的分类效果。

关键词：高光谱,深层残差网络,迁移学习