计算机应用

作者：边小勇, 费雄君, 穆楠

单位：1. 武汉科技大学 计算机科学与技术学院, 武汉 430065;2. 武汉科技大学 大数据科学与工程研究院, 武汉 430065;3. 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 武汉 430065

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

基金：国家自然科学基金资助项目（61572381， 61501337）；湖北省自然科学基金资助项目（2018CFB575）。

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。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期