科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对光学遥感图像场景分类存在类别变化、样本数量变化，场景图像中背景与重要物体变换大、尺度变化多的问题，提出基于神经网络注意力架构搜索的光学遥感图像场景分类方法，由算法自适应在神经网络中搜索卷积、池化、注意力等操作，构建能完成光学遥感图像场景分类任务的神经网络。为保证搜索神经网络过程稳定性，提出两段式贪婪策略网络搜索方法，分阶段丢弃无用操作，减少搜索算法负担、提高搜索速度。最后为了关注各物体与场景关联信息，提出自上而下的网络连接策略，充分复用各阶段多尺度特征图的语义。实验结果证明：该方法相较于手工设计的经典深度学习方法具有更好的性能。在AID、NWPU、PATTERNET 3个遥感图像标准数据集上总体精度均超过经典方法。在AID数据集上准确率达到94.04%；在PATTERNET数据集上准确率达到99.62%；在NWPU数据集上达到95.49%。
- 单位
