多尺度特征融合注意力的轻量化遥感场景分类方法
张冬梅1
宋子涛2
1.山西科技学院大数据与计算机科学学院 山西晋城 0480002.山西科技学院光机电工程学院 山西晋城 048000
摘要：针对目前常见的遥感影像场景分类卷积神经网络存在特征提取能力不足及模型参数量大的问题,提出一种多尺度特征融合注意力的轻量化遥感影像场景分类方法.将Res2Net网络作为基准模型,在Res2Net模块内嵌入改进的CBAM注意力模块进行优化,关注场景中的关键特征,提高全局特征和局部特征的表达能力;在Res2Net模块间插入深度可分离单元,增加不同尺度特征的连接和复用性,轻量化网络模型,提高运行效率.在UCM数据集上,所提方法的总分类精度方面达到96.90%,相比基线方法提高2.38%.实验表明,所提方法参数量较低,能有效提高场景分类的准确率.
关键词：场景分类多尺度特征融合注意力机制
资助基金：山西科技学院校内科研基金项目(XKY002)山西科技学院校内科研基金项目(XKY024)
论文发表日期：2024-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 25-30 )