融合卷积注意力机制与深度残差网络的遥感图像分类

作者：蒋正锋; 何韬; 施艳玲; 龙翔; 杨淑慧

来源：激光杂志, 2022, 43(04): 76-81.

DOI：10.14016/j.cnki.jgzz.2022.04.076

• 遥感图像分类
• 深度学习
• 卷积注意力机制
• 深度残差网络
• 神经网络

针对遥感影像场景数据空间信息丰富，冗余地理特征干扰深度神经网络模型的问题，提出在深度残差网络中引入卷积注意力机制(Convolutional Block Attention Module, CBAM)的策略。为验证深度残差网络引入CBAM的有效性，用经典深度残差网络ResNet50和融合注意力机制的深度残差网络CBAM＿ResNet50在雪地、岩石、城市、水和森林五类别遥感图像数据集进行对比验证。实验结果表明，CBAM＿ResNet50网络模型在准确率、精确度、敏感度和F1SCORE上分别提高了0.65%、0.38%、0.62%和0.60%。引入注意力机制以合理的额外时间成本减少了遥感场景特征的冗余映射，使特征提取网络能够获得更多与任务目标相关的信息而舍弃掉其他无用的信息。

• 单位
  电子信息工程学院; 广西民族师范学院