典型文献
基于注意力融合的遥感滑坡目标识别
文献摘要：
针对传统卷积神经网络遥感滑坡识别方法中存在的模型参数量多、重点区域关注不足、难以捕获长期(全局)依赖关系的问题,提出一种融合改进自注意力和卷积块注意力的遥感滑坡目标识别算法.该算法基于编码器-解码器目标识别框架,为了增强模型对滑坡区域局部特征关注程度,将卷积块注意力机制应用于浅层特征提取,从空间与通道两个维度获取滑坡目标特征关联信息.将改进自注意力机制应用于深层特征提取,使模型能够捕获特征图内和特征图间的全局特征信息,实现滑坡目标与背景区域的有效区分.实验结果表明,该方法的滑坡识别精度为96.81％,像素分割准确率均值达到90.11％.通过与FCN、DeeplabV3+等算法进行对比,该方法在保持模型轻量级的同时,有效提升了滑坡识别的准确率.
文献关键词：
图像识别;遥感图像;滑坡识别;自注意力;卷积块注意力
中图分类号：
作者姓名：
王煜;张鹏;孙恺悦;孙学宏;刘丽萍
作者机构：
宁夏大学物理与电子电气工程学院,宁夏银川750021;宁夏大学信息工程学院,宁夏银川750021
文献出处：
引用格式：
[1]王煜;张鹏;孙恺悦;孙学宏;刘丽萍-.基于注意力融合的遥感滑坡目标识别)[J].液晶与显示,2022(11):1498-1506
A类：
B类：
注意力融合,滑坡识别,模型参数量,重点区域,依赖关系,目标识别算法,编码器,解码器,识别框架,增强模型,滑坡区,局部特征,卷积块注意力机制,目标特征,特征关联,联信,自注意力机制,深层特征,特征图,全局特征,特征信息,背景区域,识别精度,像素,FCN,DeeplabV3+,轻量级,图像识别,遥感图像
AB值：
0.355121
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
