基于ResNet双注意力机制的遥感图像场景分类
针对基于传统机器学习遥感图像场景分类无法快速有效提取图像特征造成分类结果不准确的问题,提出一种基于注意力残差网络的遥感图像场景分类的方法,以残差网络为基准模型,在通道和空间两个维度上建立注意力模块,实验过程中对参数进行合理有效的设置,调整网络层数优化模型,达到对UC Merced Land-Use数据集的有效分类.实验结果表明,与基于卷积神经网络结构的遥感图像场景分类方法相比,该方法达到了98.1%的准确率.
遥感图像;场景分类;卷积神经网络;残差网络;注意力模块
30
国家自然科学基金青年基金;福建省自然科学基金面上项目
2021-08-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
243-248