超尺度自导注意力网络的遥感船舶识别

摘要：

传统多尺度卷积神经网络因接收域有限,难以对超尺度变化的空间目标进行建模.提出一种遥感船舶的超尺度自导注意力网络(HSSGAN)识别框架,通过组连接的轻量级超尺度子空间模块捕获船舶的超尺度特征和尺度不变性,使用自导注意力网络逐步细化超尺度特征图,并在超尺度局部和全局语义之间建立长期依赖关系以增强类之间特征图的差异性.同时,通过忽略不相关信息及聚合相关特征以增强目标船舶的识别性.实验结果表明,与TP-FCN、CF-SDN和HSF-Net方法相比,HSSGAN方法具有更好的识别效果,F1-Score值为0.96678.

关键词：目标识别;遥感图像;卷积神经网络;超尺度特征;子空间模块;组连接

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：山东省重点研发计划;山东省高等学校科技计划项目;青岛黄海学院重点项目

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：314-320