基于双重注意力机制的遥感图像场景分类特征表示方法

作     者：徐从安 吕亚飞 张筱晗 刘瑜 崔晨浩 顾祥岐 XU Cong'an;Lü Yafei;ZHANG Xiaohan;LIU Yu;CUI Chenhao;GU Xiangqi

作者机构：海军航空大学信息融合研究所烟台264000 清华大学电子工程系北京100084 91977部队北京100089 61646部队北京100089 32144部队渭南714000 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2021年第43卷第3期

页      面：683-691页

核心收录：

学科分类：0711[理学-系统科学] 0808[工学-电气工程] 07[理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61790550 61790554 61531020 61671463)。 

主　　题：遥感图像处理 场景分类 注意力机制 特征表示 

摘      要：针对遥感图像场景分类面临的类内差异性大、类间相似性高导致的部分场景出现分类混淆的问题,该文提出了一种基于双重注意力机制的强鉴别性特征表示方法。针对不同通道所代表特征的重要性程度以及不同局部区域的显著性程度不同,在卷积神经网络提取的高层特征基础上,分别设计了一个通道维和空间维注意力模块,利用循环神经网络的上下文信息提取能力,依次学习、输出不同通道和不同局部区域的重要性权重,更加关注图像中的显著性特征和显著性区域,而忽略非显著性特征和区域,以提高特征表示的鉴别能力。所提双重注意力模块可以与任意卷积神经网络相连,整个网络结构可以端到端训练。通过在两个公开数据集AID和NWPU45上进行大量的对比实验,验证了所提方法的有效性,与现有方法对比,分类准确率取得了明显的提升。