基于尺度注意力网络的遥感图像场景分类

作者：边小勇^*; 费雄君; 穆楠

来源：计算机应用, 2020, 40(03): 872-877.

DOI：10.11772/j.issn.1001-9081.2019071314

• 遥感图像场景分类
• 深度学习
• 多尺度特征变换
• 注意力机制
• 残差网络
• 微调

针对卷积神经网络(CNN)平等地对待输入图像中潜在的对象信息和背景信息,而遥感图像场景又存在许多小对象和背景复杂的问题,提出一种基于注意力机制和多尺度特征变换的尺度注意力网络模型。首先,开发一个快速有效的注意力模块,基于最优特征选择生成注意力图;然后,在ResNet50网络结构的基础上嵌入注意力图,增加多尺度特征融合层,并重新设计全连接层,构成尺度注意力网络;其次,利用预训练模型初始化尺度注意力网络,并使用训练集对模型进行微调;最后,利用微调后的尺度注意力网络对测试集进行分类预测。该方法在实验数据集AID上的分类准确率达到95. 72%,与ArcNet方法相比分类准确率提高了2. 62个百分点;在实验数据集NWPU-RESISC上分类准确率达到92. 25%,与IORN方法相比分类准确率提高了0. 95个百分点。实验结果表明,所提方法能够有效提高遥感图像场景分类准确率。

• 单位
  智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学