增强的多级特征用于非常高分辨率遥感场景分类

May, 2023

增强的多级特征用于非常高分辨率遥感场景分类

Enhanced Multi-level Features for Very High Resolution Remote Sensing Scene Classification

Chiranjibi Sitaula, Sumesh KC, Jagannath Aryal

TL;DR本文介绍了一种利用增强型 VHR 注意力模块、压缩空间金字塔和全局平均池化等技术的深度学习方法，对于经常出现的类别干扰问题，本文方法能够提供更加稳健的分类性能，可以用于非常高分辨率遥感场景分类任务。实验证明，该方法在两个常用的 VHR 遥感数据集上能够达到很好的分类效果。

Abstract

Very high-resolution (VHR) remote sensing (RS) scene classification is a challenging task due to the higher inter-class similarity and intra-class variability problems. Recently, the existing deep learning (DL)-based methods have shown great promise in VHR RS scene classification. However, they still provide an unstable classification performance. To address

very high-resolution remote sensing scene classification deep learning-based methods enhanced vhr attention module multi-level feature fusion vhr rs datasets

发现论文，激发创造

一种新的多尺度注意力特征提取块用于航空遥感影像分类

该研究论文通过多尺度注意力特征提取块（MSAFEB）基于多尺度卷积和跳跃连接，实现了对复杂和小目标的高分辨率航空遥感图像的稳定分类性能。在两个基准数据集上的实验研究表明，该方法达到了稳定的性能（最小标准差为 0.002）和良好的整体分类性能（AID：95.85％和 NWPU：94.09％）。

Aug, 2023

使用可转移深度模型进行高分辨率遥感影像土地覆盖分类

本文提出了一种利用深度神经网络对高分辨率遥感图像进行无监督地物分类的方案，通过未标记遥感图像进行伪标注和样本选择来提高模型的转移性，并通过细化预先训练好的模型，组合分块分类和分层分割实现像素级地物分类。

Jul, 2018

Hi-ResNet：高分辨率遥感图像语义分割网络

本研究提出了一个高分辨率遥感图像网络模型，可解决同类别地物在不同地理环境下形态和比例显著不同，以及复杂背景噪声干扰下影响现有学习算法效果的问题。该模型包含漏斗模型、信息聚合模块、特征精炼模块和 CEA Loss 损失函数，并通过有效的预处理策略，在三个高分辨率遥感图像分割基准数据集上取得了优异表现。

May, 2023

遥感图像超分辨率的高级特征提取模块

提出了一种名为 Channel and Spatial Attention Feature Extraction (CSA-FE) 的高级特征提取模块，通过使用通道和空间注意力结合标准视觉变换器 (ViT)，有效提取特征；在 UCMerced 数据集上进行了训练，实验证明我们的方法可以使模型专注于包含高频信息的特定通道和空间位置，从而提高超分辨率图像的质量，并且相较于现有模型，我们的模型表现出更优秀的性能。

May, 2024

零样本遥感图像场景分类的深度语义视觉对齐

我们通过机器自动收集可视属性，并利用转换器中的自注意机制将局部图像区域关联起来，集成背景上下文信息进行预测，以解决远程感知场景分类中的零样本学习问题。通过广泛实验，我们展示了我们的模型在具有挑战性的大规模远程感知场景分类基准上优于其他最先进模型。

Feb, 2024

遥感图像分类的三维深度学习方法

探索深度学习用于遥感数据处理，特别针对光谱和空间上的挑战，提出新的三维深度学习方法来联合处理，实验结果表明其比现有方法具有更好的分类准确率和更低的计算成本。

Jun, 2018

遥感图像无监督深度特征提取分类

介绍单层和深度卷积网络用于遥感数据分析的应用，使用贪婪层次无监督预训练和高效的无监督特征学习算法提取有稀疏特征，结果表明深度架构比单层架构的分类性能更好。

Nov, 2015

Beyond RGB: 基于多模态深度网络的高分辨率城市遥感技术

本文研究使用深度完全卷积网络来处理多模态多尺度遥感数据的语义标注，并采用有效的多尺度方法来提高语义标注的精度和深入研究数据的早期和后期融合方法，并在两个公共数据集上验证了我们的方法，表现出令人满意的结果。

Nov, 2017

MLRSNet：用于语义场景理解的多标签高空间分辨率遥感数据集

本研究构建了一个名为 MLRSNet 的多标签高空间分辨率遥感数据集，用于深度学习的语义场景理解任务。它包含 109,161 个样本，涵盖 46 种场景类别，是一个重要的未来研究基准，并填补了现有的多标签图像研究的空白。

Oct, 2020

一种远程感知场景分类的分层方法

使用层级方法设计的卷积神经网络框架在遥感场景分类中表现良好，但叠加结构中的分类错误累积阻碍了其分类性能超越非层级深层模型。

Mar, 2021