科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感图像场景分类是计算机视觉领域的热点研究方向，该研究对遥感图像场景及其语义理解意义重大。目前，基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而，实际应用场景面临着样本数据较少、模型泛化能力较差的问题，致使基于深度学习的遥感图像场景分类方法实现难度较大、性能大幅下降。因此，针对上述难点，本文提出了基于注意力机制的小样本遥感图像场景分类方法，设计了一种双分支判别结构进行相似性度量。该方法基于元学习训练策略对数据集进行任务制划分；为最大限度保留遥感图像中的特征分布，对输入图像进行重叠分块；在特征提取网络中引入轻量级注意力模块，降低过拟合风险并保证判别性特征的获取；在EMD（Earth Mover’s Distance）距离的基础上设计添加双分支相似性度量模块，提升分类器的判别能力。实验结果表明，相较于经典小样本学习方法，本文提出的小样本遥感图像场景分类方法能够显著提升分类性能。
- 单位
