基于轻量级卷积Transformer的图像分类方法及在遥感图像分类中的应用

作者：陈辉; 张甜; 陈润斌

来源：电子与信息学报, 2022, 1-9.

• 遥感图像分类
• 轻量级卷积神经网络
• Transformer
• 多头自注意力

遥感图像具有复杂的整体结构和丰富的纹理特征，基于卷积神经网络(CNN)的遥感图像分类方法虽然能够捕获丰富的局部信息，但有限的感受野使其无法对全局信息建立长距离依赖关系，从而导致遥感图像分类的准确率不高。针对此问题，该文提出一种基于轻量级卷积Transformer的遥感图像分类方法，首先在浅层网络中引入轻量级卷积神经网络以提取图像的局部纹理特征，然后在深层网络中引入多头自注意力来增强图像的全局信息依赖性，最后采用串联池化的方法优化特征并应用于图像分类。在RSSCN7和AID遥感图像数据集上进行实验，并与ResNet50、VGG16、ViT等图像分类方法进行实验对比。实验结果表明，该方法在RSSCN7和AID遥感图像数据集上的分类准确率最高，分别达到了98.21%和96.90%。此外，该方法的参数量为22 M，计算量为3.6GFLOPs，与其他图像分类方法相比，降低了参数量和计算量。通过设置不同批次大小的数据进行训练，进一步证明了该方法的鲁棒性。

• 单位
  安徽理工大学