基于多级别跨层双线性融合的光学遥感图像场景分类
针对光学遥感场景图像存在由空间模式复杂、类间相似度大和同类多样性高导致的模型分类准确度受限的问题,提出一种基于多级别跨层双线性融合的光学遥感场景分类算法.首先从ResNet50模型中提取多层次特征信息,将膨胀卷积的扩张率设置为不同数值来提取多个空间尺度下的上下文特征,通过串行融合多尺度特征丰富特征信息的场景语义.为了充分利用低层、高层、全局上下文特征信息的互补优势,提出多级别注意力特征融合模块,有效增强模型的特征提取能力.最后采用跨层双线性融合方法对多级别特征进行分层融合,融合后的特征用于分类.通过在三个公开的遥感数据集UCM、AID和PatternNet上进行广泛试验,验证了所提方法的可行性,与其它先进的场景分类方法相比,该方法实现了更加优异的分类性能.
遥感、场景分类、膨胀卷积、多级别注意力、跨层双线性融合
51
TP751(遥感技术)
国家自然科学基金No.61603233
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共14页
252-265