面向遥感图像分类的邻域特征池化
计算机视觉与模式识别
2026-01-13 v3 图像与视频处理
摘要
本文提出邻域特征池化(NFP),一种旨在增强遥感图像分类中纹理感知表示学习的新型池化层。所提出的NFP层通过聚合跨特征维度的局部相似性模式来捕获相邻空间特征之间的关系。NFP使用标准卷积运算实现,可以无缝集成到现有神经网络架构中,且仅增加极少的额外参数。在多个基准数据集和骨干模型上进行的大量实验表明,与传统的池化策略相比,NFP在保持计算效率的同时,持续提升了分类性能。这些结果凸显了基于邻域的特征聚合在捕获遥感图像中判别性纹理信息方面的有效性。
引用
@article{arxiv.2510.25077,
title = {Neighborhood Feature Pooling for Remote Sensing Image Classification},
author = {Fahimeh Orvati Nia and Amirmohammad Mohammadi and Salim Al Kharsa and Pragati Naikare and Zigfried Hampel-Arias and Joshua Peeples},
journal= {arXiv preprint arXiv:2510.25077},
year = {2026}
}
备注
10 pages, 4 figures, accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026, 3rd Workshop on Computer Vision for Earth Observation (CV4EO)