典型文献
基于有效通道注意力的遥感图像场景分类
文献摘要：
针对基于人工设计特征的方法不能提取高层次遥感图像信息以及以往利用VGGNet、ResNet等卷积神经网络(CNN)无法关注到遥感图像中显著分类特征的问题,提出了一种基于有效通道注意力(ECA)机制的遥感图像场景分类新模型——ECA-ResNeXt-8-SVM.为了建立高效模型,一方面,设计了嵌入ECA模块的深度特征提取网络ECA-ResNeXt-8,通过端到端的学习使网络更关注分类特征明显的通道;另一方面,利用支持向量机(SVM)代替全连接层作为已提取到的深度特征的分类器,从而进一步提高模型的分类准确率与泛化能力.该模型在实验数据集UC Merced Land-Use上的分类准确率达到95.81％,相较于使用SE-ResNeXt50与ResNeXt50网络,分别提高了6％与18％,且在分类准确率为75％时所提模型的训练时间比上述两个网络分别减少了82％与81％.实验结果表明,所提模型能够有效地减少模型的收敛时间并提升遥感图像场景分类的准确率.
文献关键词：
遥感图像场景分类;有效通道注意力机制;支持向量机;深度学习;卷积神经网络
中图分类号：
作者姓名：
屈震;李堃婷;冯志玺
作者机构：
西安电子科技大学人工智能学院,西安710071
文献出处：
引用格式：
[1]屈震;李堃婷;冯志玺-.基于有效通道注意力的遥感图像场景分类)[J].计算机应用,2022(05):1431-1439
A类：
B类：
遥感图像场景分类,设计特征,图像信息,VGGNet,ResNet,注到,分类特征,ECA,深度特征提取,特征提取网络,端到端,全连接层,取到,分类器,分类准确率,泛化能力,UC,Merced,Land,Use,SE,ResNeXt50,训练时间,收敛时间,有效通道注意力机制
AB值：
0.284305
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。
