基于迁移学习与注意力深度神经网络的遥感图像分类
计算机视觉与模式识别
2022-06-28 v1 人工智能
机器学习
摘要
遥感图像场景分类（RSISC）旨在根据内容将遥感图像分类为若干语义类别组，在城市规划、自然灾害检测、环境监测、植被制图或地理空间目标检测等广泛应用中发挥着重要作用。过去数年，聚焦 RSISC 任务的研究界已付出显著努力发布多样数据集并提出不同方法应对 RSISC 挑战。近来，几乎所有提出的 RSISC 系统都基于深度学习模型，其被证明强大且优于使用图像处理与机器学习的传统方法。本文中，我们同样借助深度学习技术之力，评估多种深度神经网络架构，指出影响 RSISC 系统性能的主要因素。在综合分析基础上，我们提出一种基于深度学习的 RSISC 框架，其利用迁移学习技术与多头注意力机制。所提深度学习框架在基准 NWPU-RESISC45 数据集上评估，取得 94.7% 的最佳分类精度，显示出与最先进系统相当的竞争力及实际应用潜力。
引用
@article{arxiv.2206.13392,
title = {Remote Sensing Image Classification using Transfer Learning and Attention Based Deep Neural Network},
author = {Lam Pham and Khoa Tran and Dat Ngo and Jasmin Lampert and Alexander Schindler},
journal= {arXiv preprint arXiv:2206.13392},
year = {2022}
}