基于改进的ResNeXt网络结构的遥感图像分类
遥感图像分类是遥感图像信息处理的关键方向之一,其分类精准率很大程度上限制了遥感技术整体的发展.对于遥感图像,传统机器学习算法与模型结构存在不能快速提取特征图,且分类结果不够准确的缺陷.针对这一问题,提出了一种改进的基于ResNeXt网络模型结合注意力机制,以优化后SVM(支持向量机)算法替换全连接层的模型.首先引入计算机视觉中的注意力机制,对不同特征赋予不同的权重,提高对图像中用于分类部分有效信息的提取能力,然后结合ResNeXt网络,最后以优化后的SVM算法替换卷积神经网络末端的全连接层用于提升分类效果,同时在模型整体不增加超参数的情况下优化了网络性能.该网络模型在数据集AID上的实验结果表明,改进后的网络模型对深层特征的提取能力有显著提高,且优化后的网络模型对于多分类任务具有较优的分类效果.
遥感图像、卷积神经网络、ResNeXt、注意力机制、场景分类、SVM
50
TP751(遥感技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
272-277