聚合双流特征的高分遥感影像场景分类模型

潘凯祥; 徐伟铭; 何小英; 李紫微; 王娟

doi:10.15886/j.cnki.hdxbzkb.2023121401

海南大学学报（自然科学版中英文） ›› 2025, Vol. 43 ›› Issue (03) : 305 -317. DOI: 10.15886/j.cnki.hdxbzkb.2023121401

聚合双流特征的高分遥感影像场景分类模型

潘凯祥, 徐伟铭, 何小英, 李紫微, 王娟

作者信息 +

Author information +

文章历史 +

摘要

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。