一种鲁棒且低复杂度的遥感图像分类深度学习模型
计算机视觉与模式识别
2022-12-13 v2 机器学习
图像与视频处理
摘要
本文提出一种鲁棒且低复杂度的深度学习模型用于遥感图像分类（RSIC），即识别遥感图像场景的任务。具体而言，我们首先评估了不同的低复杂度基准深度神经网络：MobileNetV1、MobileNetV2、NASNetMobile 与 EfficientNetB0，其可训练参数量均低于 500 万（M）。在指明最佳网络架构后，我们通过对网络中间层提取的多特征图施加注意力机制进一步提升网络性能。为处理使用注意力机制导致的模型占用增加问题，我们应用量化技术以满足至多 20 MB 内存占用的要求。在基准数据集 NWPU-RESISC45 上的大量实验表明，我们获得了一种鲁棒且低复杂度的模型，其与最先进系统极具竞争力，并有望在边缘设备上实际应用。
引用
@article{arxiv.2211.02820,
title = {A Robust and Low Complexity Deep Learning Model for Remote Sensing Image Classification},
author = {Cam Le and Lam Pham and Nghia NVN and Truong Nguyen and Le Hong Trang},
journal= {arXiv preprint arXiv:2211.02820},
year = {2022}
}
备注
8 pages