屈震，李堃婷，冯志玺

（西安电子科技大学 人工智能学院，西安 710071）（∗通信作者电子邮箱zxfeng@xidian.edu.cn）

基于有效通道注意力的遥感图像场景分类

屈震，李堃婷，冯志玺*

（西安电子科技大学 人工智能学院，西安 710071）（∗通信作者电子邮箱zxfeng@xidian.edu.cn）

针对基于人工设计特征的方法不能提取高层次遥感图像信息以及以往利用VGGNet、ResNet等卷积神经网络（CNN）无法关注到遥感图像中显著分类特征的问题，提出了一种基于有效通道注意力（ECA）机制的遥感图像场景分类新模型——ECA-ResNeXt-8-SVM。为了建立高效模型，一方面，设计了嵌入ECA模块的深度特征提取网络ECA-ResNeXt-8，通过端到端的学习使网络更关注分类特征明显的通道；另一方面，利用支持向量机（SVM）代替全连接层作为已提取到的深度特征的分类器，从而进一步提高模型的分类准确率与泛化能力。该模型在实验数据集UC Merced Land-Use上的分类准确率达到95.81%，相较于使用SE-ResNeXt50与ResNeXt50网络，分别提高了6%与18%，且在分类准确率为75%时所提模型的训练时间比上述两个网络分别减少了82%与81%。实验结果表明，所提模型能够有效地减少模型的收敛时间并提升遥感图像场景分类的准确率。

遥感图像场景分类；有效通道注意力机制；支持向量机；深度学习；卷积神经网络

0 引言

随着成像传感器和数据即时存储技术的快速提高，遥感技术得到快速发展［1-3］，监测能力的进步和遥感平台数量的增加使人们能够获得大量不同空间、光谱和时间分辨率［4］的地球表面地理图像。高分辨率遥感图像场景分类是指对遥感图像所表达的场景进行理解，并将其标注为特定的语义类别，它在自然灾害监测、城市规划、土地资源管理等［5-7］领域有着重要的意义。……