1、原文
A Lightweight Model of VGG-16 for Remote Sensing Image Classification.
https://ieeexplore.ieee.org/document/9463715
2、摘要
行星科学是一项重要的基础工作。从行星遥感海量数据中识别和分类地形地貌特征。因此，本文提出了一种基于VGG-16的轻量级模型，可以选择性地提取遥感图像的一些特征，去除冗余信息，并对遥感图像进行识别和分类。该模型既保证了精度，又减少了模型的参数。根据我们的实验结果，我们的模型在遥感图像分类上有很大的提高，从原来的85%到现在的98%。同时，该模型在收敛速度和分类性能上有很大的提升。通过将超低像素（64*64）的遥感影像数据输入到我们的模型中，我们证明了我们的模型对于超低像素和较少特征点的遥感影像仍然具有95%的高准确率。因此,该模型在遥感影像精细分类、极低像素、少影像分类等方面具有良好的应用前景。
3、正文
------------------------------------------------------------------
----------------------------------------------------------------
--------------------------------------------------------------------
------------------------------------------------------------------------
4、结论
在这篇文章中，我们基于vgg-16修改了网络模型，将其与传统的全卷积相结合，对原网络的解码部分进行微调，并使用集成的学习策略来优化模型的预测结果，从而减少模型的参数。实验表明，我们的模型在遥感图像分类中的准确率在98%以上。对比最近的模型，我们可以发现我们的模型也适用于像素值超低或特征点少的遥感影像。因此，我们的模型不仅在高精度和低精度遥感数据细分中具有良好的适用性，而且可以对模糊图像进行分类，对图像的局部特征进行识别和分类。我们的模型可以降低未来遥感图像识别和分类中对图像像素的要求，进一步提高遥感图像识别和分类的效率。
