基于RCF网络的遥感图像场景分类研究

Zhu Shuxin,Zhou Zijun, Gu Xingjian, Ren Shougang,Xu Huanliang

LASER & OPTOELECTRONICS PROGRESS（2021）

引用 2|浏览0

暂无评分

摘要

为了提高ResNet50网络对遥感场景图像中目标特征的提取能力和场景分类的可解释性,提出一种基于ResNet50-CBAM-FCAM(RCF)网络的遥感图像场景分类方法.该方法在ResNet50网络中增加卷积注意力模块和全卷积类激活映射分支,利用注意力机制将分支特征分别与提取的通道注意力特征和空间注意力特征融合,生成各类场景的类激活映射图.实验结果证明,所提方法在数据集AID上的总体分类准确率达到96％以上,在实验数据集NWPU-RESISC45上的总体分类准确率达到93％以上,且类激活映射图可视化结果可以准确聚焦遥感场景图像的目标对象.

查看译文

关键词

atmospheric optics, remote sensing image, scene classification, deep learning, network interpretation, attention mechanism

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要