融入多尺度区域注意力的小样本遥感场景分类

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：周立俭, 赵志昂, 孟庆宇, 王梦圆, 郝思媛, 赵锟

单位：1.青岛理工大学 信息与控制工程学院，山东 青岛 266520；2.北京交通大学 软件学院，北京 100044

摘要：针对基于小样本的研究方法大都关注图像深层特征的提取、对于浅层信息的挖掘不充分，且忽视了遥感图像区域特征重要性的问题，提出一种融入多尺度区域注意力的小样本遥感场景分类方法。为了提取遥感场景包含细粒度及粗粒度信息的多尺度特征，提出了基于ResNet-12的多尺度特征提取模块。由于在样本少的情况下，区域特征在场景分类中起着关键作用，为强调区域特征的重要性，提出区域注意力（patch attention，PAT）机制，构建基于PAT的特征增强模块。为充分利用多尺度特征信息，提出特征融合和分类模块，将来自不同尺度的增强特征进行融合，再通过计算样本间的余弦相似度完成分类任务。实验结果表明，提出的方法能够有效地提升分类准确率和对于新类别的识别能力。

关键词：小样本学习,遥感场景分类,多尺度,区域注意力