基于尺度注意力网络的遥感图像场景分类

• 作者: 穆楠 费雄君 边小勇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 872-877
• 页数: 6页
• 分类号: TP391.4
• 字数: 5589字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019071314

摘要

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.