面向卫星图像分类的平衡多任务注意力机制：无需预训练实现EuroSAT 97.23%准确率
计算机视觉与模式识别
2025-10-20 v1
摘要
本文系统性地探讨了针对卫星土地利用分类的定制卷积神经网络架构，实现了在EuroSAT数据集上达到97.23%测试准确率，且无需依赖预训练模型。通过三个逐步迭代的网络架构（基线：94.30%，CBAM增强：95.98%，平衡多任务注意力：97.23%），我们识别并解决了卫星图像分类中的具体失效模式。我们的主要贡献是一种新型平衡多任务注意力机制，将坐标注意力用于空间特征提取与 Squeeze-Excitation模块用于谱特征提取，通过可学习的融合参数统一。实验结果表明，该可学习参数自主收敛至alpha约为0.57，表明空间与谱模态对卫星图像重要性几乎相等。我们采用渐进式DropBlock正则化(按网络深度5%-20%)和类别平衡损失加权以解决过拟合及混淆模式不平衡问题。最终12层架构实现Cohen's Kappa为0.9692，所有类别准确率均超过94.46%，显示出24.25%的正确与错误预测间隙信心校准。该方法在无外部数据情况下，以仅1.34%的差距实现了接近微调ResNet-50(98.57%)的性能，验证了系统化网络架构设计对特定领域应用的有效性。完整代码、训练模型及评估脚本已公开。
引用
@article{arxiv.2510.15527,
title = {Balanced Multi-Task Attention for Satellite Image Classification: A Systematic Approach to Achieving 97.23% Accuracy on EuroSAT Without Pre-Training},
author = {Aditya Vir},
journal= {arXiv preprint arXiv:2510.15527},
year = {2025}
}
备注
7 pages, 2 figures, 2 tables. Code and trained models available at https://github.com/virAditya/satellite-image-classification-eurosat