面向卫星遥感影像检索定位的深度学习全局表征模型评估与分析

施群山, 蓝朝桢, 徐青, 周杨, 胡校飞

Evaluation and Analysis of Deep Learning Global Representation Model for Satellite Remote Sensing Image Retrieval and Location

SHI Qunshan, LAN Chaozhen, XU Qing, ZHOU Yang, HU Xiaofei

表5 各网络模型在用于卫星遥感影像表征时的优缺点

Tab. 5 Advantages and disadvantages of each network model when used for representation of satellite remote sensing images

模型 优点 缺点 ResNet-18 表征有效性较好，特征向量维度最低，因此特征相似性计算时间最少、特征向量文件最小，影像特征提取时间也较少，综合效果最好 表征效果和最好的DenseNet模型有10%左右的差距 AlexNet 影像特征提取时间最少 表征有效性较差，特征向量维度最高，因此特征相似性计算时间最长、特征向量文件最大 VggNet 表征有效性较好 ，影像特征提取时间较少 特征向量维度最高，因此特征相似性计算时间较长、特征向量文件最大 DenseNet 表征有效性最好，特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 影像特征提取时间较长 EfficientNet_b0 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b1 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b2 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b3 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b4 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性最差，影像特征提取时间较长 EfficientNet_b5 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b6 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间较长 EfficientNet_b7 特征向量维度较低，因此特征相似性计算时间较少、特征向量文件较小 表征有效性较差，影像特征提取时间最长