-
题名融入注意力机制的小样本遥感图像场景分类
被引量：1
- 1
-
-
作者
张多纳
赵宏佳
鲁远耀
崔健
张宝昌
-
机构
北方工业大学信息学院
北京航空航天大学人工智能研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第4期173-182,共10页
-
基金
国家自然科学基金(62201010,U20B2042,61971007,61571013)
北京市教育委员会科研计划项目(KM202310009003)
北方工业大学科研启动基金。
-
文摘
遥感图像场景分类是计算机视觉领域的热点研究方向,对遥感图像场景及其语义理解意义重大。目前,基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而实际应用场景面临着样本数据较少、模型泛化能力较差的问题,致使基于深度学习的遥感图像场景分类方法实现难度较大,性能大幅下降。针对上述难点,提出了基于注意力机制的小样本遥感图像场景分类方法,设计了一种双分支判别结构进行相似性度量。该方法基于元学习训练策略对数据集进行任务制划分;为最大限度保留遥感图像中的特征分布,对输入图像进行重叠分块;在特征提取网络中引入轻量级注意力模块,降低过拟合风险并保证判别性特征的获取;在EMD(earth mover’s distance)距离的基础上设计添加双分支相似性度量模块,提升分类器的判别能力。实验结果表明,相较于经典小样本学习方法,所提出的小样本遥感图像场景分类方法能够显著提升分类性能。
-
关键词
遥感图像场景分类
小样本学习
元学习
注意力机制
双分支判别
-
Keywords
remote sensing scene classification
few-shot learning
meta-learning
attention mechanism
dual-branches similarity measurement
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
