基于GoogLeNet模型的遙感圖像識別分類研究

李英　宋麗娟

摘要：傳統圖像處理技術的分類算法由于受復雜背景干擾較大及其算法本身局限性的影響，已經漸漸跟不上時代的步伐，無法滿足許多復雜的分類問題。因此，本文提出了一種基于GoogLeNet模型的遙感圖像分類識別算法，利用NWPU-RESISC 45遙感影像數據集進行實驗，本文方法能夠達到90%的分類精度。

關鍵詞：GoogLeNet;圖像分類;遙感圖像

文獻標識碼： A? ? 中圖分類號： TP391.4

中圖分類號：TP39? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）12-0004-03

Abstract：The classification algorithm of traditional image processing technology has been gradually unable to keep up with the pace of the times due to the large interference of complex background and the limitation of the algorithm itself， and cannot meet many complex classification problems. Therefore， this paper proposes a remote sensing image classification and recognition algorithm based on the GoogLeNet model， using the NWPU-RESISC 45 remote sensing image data set for experiments， the method in this paper can achieve 90% classification accuracy.

Key words： GoogLeNet; Image Classification; Remote Sensing

引言

在大數據的浪潮下遙感影像技術的發展也蒸蒸日上。目前遙感影像的研究仍然集中在場景分類[1]，目標識別[2]和分割等領域，而遙感影像的相關研究只是簡單地對圖像中的對象進行識別分類，而沒有深層次挖掘影像的屬性及屬性之間的關聯。其次，如果分類目標不同，模型的網絡結構和各種參數就不能通用，可以有針對性地調整和修改網絡模型，使其適用于不同的場景。本文運用卷積神經網絡模型并對其進行調參實現了遙感的識別與分類，且取得了可觀的效果。

1 卷積神經網絡

1.1 卷積神經網絡概述

卷積神經網絡（（Convolutional Neural Networks，CNN）[3]是由視覺神經機制觸發的多層次神經網絡，網絡的每一層都由單個獨立的神經元構成。卷積神經網絡是無監督的學習模型[4]。卷積神經網絡與其他神經網絡最大的不同在于，卷積操作和采樣操作是基于人工神經網絡[5]引入的。這使得卷積神經網絡提取的特征具有一定程度的空間不變性。在圖像識別和分類領域被廣泛使用。

1.2 卷積神經網絡原理

卷積神經網絡包含多個網絡層數[6-8]，這些網絡層大致分為卷積層，池層和全連接層，每個網絡層映射著不同類型的數據線性關系。 將卷積層和池層合并以組合一些卷積組，并為每一層提取特征，最后，通過多個所有連接層將其連接以執行分類工作。 盡管卷積神經網絡具有各種模型，但是其基本結構幾乎相同，以下為卷積神經網絡的結構，如圖1所示。

1.3 卷積神經網絡模型

CNN卷積神經網絡的快速發展得益于GoogLeNet[9]等不同結構網絡的改進。GoogLeNet網絡結構中的子模型Inception Module是作為本文使用的基準模型。

1.3.1 先驗 GoogLeNet

在2014年ImageNet比賽中脫穎而出的是由知名的互聯網巨頭公司Google設計的劃時代意義的GoogLeNet模型，其擁有卓越的性能和豐富的結構參考設計意義。GoogLeNet具有創新的意義，其開創性地使用了不同于以往線性模型的框架，并行的分支結構標新立異，并解決傳統網絡特征提取不足的情況。

Google在這一項研究中表明，增加模型的深度（層）或寬度（層、核或神經元）可以使高質量的模型更安全。啟發我們帶來一個權衡數據量與網絡復雜度的問題。其中對于小樣本問題或者數據集比較小的情況下，網絡存在過擬合問題。網絡規模越大，計算復雜度越高，在資源受限的實驗環境中應用就越困難;網絡越深，梯度就越容易消失，接踵而來的是計算量增加的問題。

GoogLeNet使用了多種數據增強的方式，引入了BN正則化技術，使用一個此技術可以減少網絡冗余的結構，充分利用密集矩陣的高計算性能的出發點，GoogLeNet提出了名為Inception的模塊化結構來實現此目的，用了Inception Module即初始模塊之后整個網絡結構的寬度和深度都可擴大，能夠使性能提升2-3倍。

初始模塊其概念是網絡結構中嵌套的一個網絡，它是具有靈活的變形和即插即用的特征，即原始節點是一種子網絡。這種技術是將傳統的卷積操作保持在低層次網絡而不發生變化，并且只使用高層次網絡的變化模型。通過精心設計模塊組合可以來保持深度和寬度的合理科學性。該模型在設計中主要有兩種特性：首先它使用1×1卷積核，這個操作和靈活改變特征維度增加或減少，其次是同時采集一組不同尺寸的feature map，通過融合不同尺寸的特征再輸入到下一個模塊中。

為省去patch對齊的問題，起始模塊的卷積核的大小限制為1 x 1、3 x 3、5 x5。由于卷積核在起始模塊中相互堆疊，因此相關統計信息的輸出是不固定的。為了在上層提取更多的抽象特征，有必要減少空間聚集。因此可通過在上層添加起始模塊中的3×3，5×5卷積的方法以獲得大量的特征數。

初始模塊的基本結構如圖2所示，它基本包含1×1卷積、3 x 3卷積，5 x 5卷積、3×3四個最大池化，在通道上將最終運算結果進行組合排序。 其基本思想是通過多個卷積核在不同比例的圖像上提取信息，最后將它們融合以獲得更好的圖像特征。

在上面的初始模塊中，由于池化操作，5×5尺寸的卷積核增加了卷積核的數量并增加了計算開銷，同時池化層輸出和卷積層輸出的集成也增加了輸出值的數量，最重要的是的稀疏結構優化被忽略了，導致非常低效的計算爆炸。 因此引出如圖3的經過降維的Inception模型。

如圖3所示，新改進的模型共有4個分支，分別使用1×1卷積核、1×1卷積和3×3卷積、1×1卷積和5×5卷積和3×3池化和1×1卷積，最終將各個分支所提取的特征使用連接操作合并，并作為下一個模塊的輸入。

在目標檢測任務中我們需要保障真實目標與先驗框的對應問題。我們規定交并比（IoU）是量化真實框與預測框的交互比率，它是目標檢測重要的度量方式。計算IoU主要考慮真實框與預測框的相對位置，使用數學的方法計算兩個集合重合部分交集。根據交互比例的閾值（這個參數可以根據任務人為調整，通常情況下使用0.5作為基準），最終確定匹配的情況。我們規定匹配成功的樣本為正樣本;反之成為負樣本。

2基于GoogLeNet網絡的遙感影像分類實驗結果與分析

本實驗主要是以圖像處理技術和相關理論為基礎，利用Imagelabel工具標注NWPU-RESISC 45遙感影像數據集。圖像固定為224×224像素，但具有不同的分辨率，如圖4為部分數據集。運用卷積神經網絡能夠快速、準確和高效地實現數據集中圖像的場景分類。

2.1模型訓練

對于網絡模型中的不同參數，如訓練步長、迭代次數、學習率等進行調整，都會對模型的訓練結果產生影響，適當的調整參數可以使模型訓練的效率及準確率都有所提升。

本設計分別對GoogleNet模型訓練迭代15000次，模型識別準確率能夠較快地進行收斂，迭代前2000次時識別率在0.2—0.3之間徘徊，但超過2000次以后，識別準確率逐漸上漲，損失函數的Loss值也慢慢減小，最終迭代到15000時準確率已能達到1。如圖5—圖7為GoogleNet網絡模型的訓練過程。

訓練模型時若Loss值基本不再下降時，可以對學習率進行調整，將其調整為更小的值繼續進行訓練，使得模型的學習精度更高，整個模型最后的識別準確率也會更高。

2.3 實驗結果分析

在本實驗中，本團隊使用softmax回歸在卷積神經網絡的輸出層中計算歸一化預測數和類別標簽的交叉熵，并以交叉熵損失和總權重衰減項之和來獲得該分類模型的目標函數對影像數據集進行分類并識別。

如圖8為GoogleNet網絡模型對數據集圖像進行識別的結果。

經實驗，基于Matlab的傳統圖像處理方法共識別正確1500張圖像，識別率大概為75%左右。基于卷積神經網絡的深度學習方法中，GoogleNet網絡模型識別正確1900張圖像，其識別率都可達到90%以上。

3 結論

目前雖然有很多種不同的卷積神經網絡模型可供我們靈活使用，也都能解決相應的問題，但由于其本身較為復雜的網絡結構，導致模型訓練的時間偏長，這使得整體的計算成本在實際應用中變得較高。而且，在訓練模型時對圖像數據集的需求量較大，只有用足夠多的圖像對模型進行訓練，才能得到較好的分類模型。其次，對于不同的分類目標，模型的網絡結構及各個參數不能通用，必須有針對性地對其進行調整和修改，才能使網絡模型在不同的場景下得以應用。

本文雖然已經成功的運用卷積神經網絡模型實現了遙感的識別分類，且效果良好，但在實驗過程中，仍需對模型訓練速度的優化以及模型參數的設置與調整不斷地進行改進與完善。

參考文獻：

[1] Lu X Q，Zheng X T，Li X L.Latent semantic minimal hashing for image retrieval[J].IEEE Transactions on Image Processing，2017，26（1）：355-368.

[2] Cheng G，Han J W，Lu X Q.Remote sensing image scene classification：benchmark and state of the art[J].Proceedings of the IEEE，2017，105（10）：1865-1883.

[3] Coudray N，Ocampo P S，Sakellaropoulos T，et al.Classification and mutation prediction from non-small cell lung cancer histopathology images using deep learning[J].Nature Medicine，2018，24（10）：1559-1567.

[4] Deng L，Abdel-Hamid O，Yu D.A deep convolutional neural network using heterogeneous pooling for trading acoustic invariance with phonetic confusion[C]//2013 IEEE International Conference on Acoustics，Speech and Signal Processing.May 26-31，2013，Vancouver，BC，Canada.IEEE，2013：6669-6673.

[5] 王志明.數字圖像處理與分析[M].北京：清華大學出版社，2012：184-204.

[6] Yang J C，Yu K，Gong Y H，et al.Linear spatial pyramid matching using sparse coding for image classification[C]//2009 IEEE Conference on Computer Vision and Pattern Recognition.June 20-25，2009，Miami，FL，USA.IEEE，2009：1794-1801.

[7] Han J W，Zhang D W，Cheng G，et al.Object detection in optical remote sensing images based on weakly supervised learning and high-level feature learning[J].IEEE Transactions on Geoscience and Remote Sensing，2015，53（6）：3325-3337.

[8] Zheng X T，Yuan Y，Lu X Q.A target detection method for hyperspectral image based on mixture noise model[J].Neurocomputing，2016，216：331-341.

[9] Cheng G，Han J W，Guo L，et al.Effective and efficient midlevel visual elements-oriented land-use classification using VHR remote sensing images[J].IEEE Transactions on Geoscience and Remote Sensing，2015，53（8）：4238-4249.

【通聯編輯：唐一東】