重新审视 AID 基准上的航空场景分类
计算机视觉与模式识别
2026-01-27 v1
摘要
航空图像在城市规划和环境保护中发挥着重要作用，因为它们包含各种结构，代表不同类型的建筑物、森林、山脉和空地。由于其异构特性，开发用于场景分类的鲁棒模型仍然是一个挑战。在本研究中，我们对用于航空图像分类的各种机器学习方法进行了文献综述。我们的调查涵盖了从手工特征（例如 SIFT、LBP）到传统 CNN（例如 VGG、GoogLeNet）以及先进的深度混合网络的一系列方法。在此背景下，我们还设计了 Aerial-Y-Net，一种具有多尺度特征融合机制的空间注意力增强 CNN，它作为一种基于注意力的模型，有助于我们更好地理解航空图像的复杂性。在 AID 数据集上进行评估，我们的模型达到了 91.72% 的准确率，优于几种基线架构。
引用
@article{arxiv.2601.18263,
title = {Revisiting Aerial Scene Classification on the AID Benchmark},
author = {Subhajeet Das and Susmita Ghosh and Abhiroop Chatterjee},
journal= {arXiv preprint arXiv:2601.18263},
year = {2026}
}
备注
Presented at the IEEE India Geoscience and Remote Sensing Symposium 2025 and accepted for publication in IEEE Xplore