パッチレベルでのSAR画像分類のための畳み込みニューラルネットワーク

畳み込みニューラルネットワーク（CNN）は、主に近距離写真に関連する特徴学習や画像分類において多くの注目を集めてきました。ベンチマーク作業として、比較的大きなCNNを訓練し、SAR画像パッチを5つの異なるカテゴリに分類しました。画像パッチは、中国の武漢の典型的なTerraSAR-Xスポットライトシーンからタイル状に配置され、注釈が付けられました。本論文で設計したニューラルネットワークは、1つの入力層、2つの畳み込み層（各層は最大プーリング層に続く）、および最終的な5クラスのソフトマックスを持つ2つの全結合層を含む7層で構成されています。ツールキットcaffeを使用して、訓練およびテストの精度はそれぞれ85.7％および85.6％に達し、従来の特徴抽出および分類に基づくSVM手法よりもかなり優れており、SAR画像解釈におけるCNNの大きな可能性を示しています。訓練プロセスを加速させるために、非常に効率的なGPU実装が採用されました。