融入注意力机制的小样本遥感图像场景分类

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：张多纳, 赵宏佳, 鲁远耀, 崔健, 张宝昌

单位：1. 北方工业大学 信息学院，北京 100144；2. 北京航空航天大学 人工智能研究院，北京 100191

摘要：遥感图像场景分类是计算机视觉领域的热点研究方向，对遥感图像场景及其语义理解意义重大。目前，基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而实际应用场景面临着样本数据较少、模型泛化能力较差的问题，致使基于深度学习的遥感图像场景分类方法实现难度较大，性能大幅下降。针对上述难点，提出了基于注意力机制的小样本遥感图像场景分类方法，设计了一种双分支判别结构进行相似性度量。该方法基于元学习训练策略对数据集进行任务制划分；为最大限度保留遥感图像中的特征分布，对输入图像进行重叠分块；在特征提取网络中引入轻量级注意力模块，降低过拟合风险并保证判别性特征的获取；在EMD（earth mover’s distance）距离的基础上设计添加双分支相似性度量模块，提升分类器的判别能力。实验结果表明，相较于经典小样本学习方法，所提出的小样本遥感图像场景分类方法能够显著提升分类性能。

关键词：遥感图像场景分类,小样本学习,元学习,注意力机制,双分支判别