典型文献
基于多尺度池化和范数注意力机制的遥感图像检索
文献摘要：
遥感图像内容丰富,一般的深度模型提取遥感图像特征时容易受复杂背景干扰,对关键特征的提取效果不佳,并且难以表达图像的空间信息,该文提出一种基于多尺度池化和范数注意力机制的深度卷积神经网络,在通道层面与空间层面自适应地给显著特征加权.首先,在多尺度池化通道注意力模块中,结合空间金字塔池化的思想,对每个通道上的特征图进行不同尺度的最大池化.接着,采用自适应均值池化将尺寸不同的特征图转换为统一尺寸,以便通过逐像素相加的方式来关注不同尺度的显著特征.然后,在范数空间注意力模块中,将各通道对应同一空间位置的像素构成向量,通过计算向量组的L1范数和L2范数,获得具有空间信息的特征图.最后,采用级联池化的方法优化高层特征,并将该高层特征用于遥感图像检索.在UC Merced,AID与NWPU-RESISC453个数据集上进行实验,结果表明该文所提注意力模型,关注了不同尺度的显著特征,结合了空间信息,提高了检索性能.
文献关键词：
遥感图像检索;空间金字塔;范数;注意力机制;级联池化
中图分类号：
作者姓名：
葛芸;马琳;叶发茂;储珺
作者机构：
南昌航空大学软件学院 南昌 330063;东华理工大学测绘工程学院 南昌 330013
文献出处：
引用格式：
[1]葛芸;马琳;叶发茂;储珺-.基于多尺度池化和范数注意力机制的遥感图像检索)[J].电子与信息学报,2022(02):543-551
A类：
级联池化,RESISC453
B类：
尺度池,范数,注意力机制,遥感图像检索,内容丰富,深度模型,图像特征,复杂背景,背景干扰,关键特征,特征的提取,提取效果,空间信息,深度卷积神经网络,间层,显著特征,特征加权,通道注意力模块,空间金字塔池化,特征图,不同尺度,最大池化,一尺,像素,相加,空间注意力,空间位置,向量组,L1,L2,有空,方法优化,征用,UC,Merced,AID,NWPU,注意力模型
AB值：
0.322337
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。
