扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

西安电子科技大学李阳阳,迎来2023年第5篇SCI!

论论资讯 | 2023-04-20 4热度

Neurocomputing

Explore content

About the journal

Publish with us

RSBNet: One-shot neural architecture search for a backbone network in remote sensing image recognition

Peng C.; Li Y.; Shang R.; Jiao L.

Published:2023-06-07
DOI:10.1016/j.neucom.2023.03.046

研究背景

在当前社会中,遥感图像识别已经被广泛应用于许多领域,如农业、城市规划、自然资源管理等。深度学习方法在遥感图像识别领域取得了重大进展,但是现有的深度学习方法在遥感图像识别中仍然存在一些问题。其中一个主要问题是现有的深度学习方法需要手动设计骨干网络,这严重限制了深度学习模型的潜力,因为遥感图像的复杂性和先前知识的限制。

研究内容

在这篇论文中,研究者提出了一种新的骨干网络设计范式,名为RSBNet。该方法使用一种基于权重共享策略和进化算法的一次性架构搜索框架,用于遥感图像识别任务中的骨干网络设计。该框架包括三个阶段:首先,使用集成单路径训练策略在自组装大规模遥感图像数据集上预训练一个层次搜索空间中的超网络。然后,使用可切换识别模块为预训练的超网络配备不同的识别头,并在目标数据集上分别微调以获得特定任务的超网络。最后,基于进化算法搜索不需要任何网络训练的不同识别任务的最佳骨干网络结构。该方法在不同的识别任务的五个基准数据集上进行了广泛的实验,结果表明了该搜索范式的有效性,并证明了搜索到的骨干网络能够灵活适应不同的遥感图像识别任务并取得令人印象深刻的性能。

研究意义

RSBNet提出了一种新的骨干网络设计范式,通过一次性架构搜索框架为遥感图像识别任务中的骨干网络设计提供了一种新的方法。该方法不仅能够提高遥感图像识别的准确性,而且还可以节省大量的人力和时间成本。此外,该方法的创新性还可以为其他领域的深度学习方法提供借鉴。

微信扫码即可查看