面向小样本遥感解译的空间置弃FCN模型

针对当前缺少大型遥感数据集,复杂深度学习语义分割模型优化难等问题,文章通过改进经典全卷积网络(Fully Convolutional Network,FCN)模型,提出了一种面向小样本遥感数据集,联合批归一化和空间置弃方法的智能解译语义分割模型,为解决小样本数据集过拟合问题提供新的思路。首次将空间置弃层引入FCN模型,并设计和实验了8组具有不同模块和网络结构的模拟场景。研究结果表明,不对原始小样本数据集进行数据增强处理,通过在不同位置增加若干数量的空间置弃层可有效抑制过拟合;对比8组实验场景结果,文章提出的改进模型在抑制过拟合、提升模型精度和模型收敛速度上的综合表现最优;集成于模型框架中的空间置弃层可以有效实现自学习降维,为复杂高分遥感图像解译提供有意义参考。