• Complex
  • Title
  • Keyword
  • Abstract
  • Scholars
  • Journal
  • ISSN
  • Conference
成果搜索

author:

潘凯祥 (潘凯祥.) [1] | 徐伟铭 (徐伟铭.) [2] | 何小英 (何小英.) [3] | 李紫微 (李紫微.) [4] | 王娟 (王娟.) [5]

Abstract:

针对当前基于深度学习的场景分类方法所提取特征鉴别能力有限、分类效果不理想的问题,为了促进场景代表性特征的有效学习,本研究提出一种包含卷积流和转换器流的双流架构SC-ETNet用于遥感图像场景分类。具体而言,卷积流采用空间和通道重建卷积对卷积层提取的特征进行分离重建;转换器流采用LightViT对全局标记与图像标记进行交互以实现局部-全局注意力计算。SC-ETNet在UC-Merced、AID和NWPU-RESISC45三个数据集的实验评估分别达到了99.61%、97.81%和95.33%的平均分类准确率,这一结果表明,相比现有的先进场景分类方法,SC-ETNet具有更加优越的分类性能。

Keyword:

卷积神经网络 场景分类 视觉转换器 高分辨率遥感影像

Reprint 's Address:

Email:

Show more details

Version:

Related Keywords:

Source :

海南大学学报(自然科学版中英文)

ISSN: 1004-1729

Year: 2025

Issue: 3

Volume: 43

Page: 305-317

Cited Count:

WoS CC Cited Count:

SCOPUS Cited Count:

ESI Highly Cited Papers on the List: 0 Unfold All

WanFang Cited Count:

Chinese Cited Count:

30 Days PV: 0

Affiliated Colleges:

Online/Total:352/11078655
Address:FZU Library(No.2 Xuyuan Road, Fuzhou, Fujian, PRC Post Code:350116) Contact Us:0591-22865326
Copyright:FZU Library Technical Support:Beijing Aegean Software Co., Ltd. 闽ICP备05005463号-1