重校准特征融合对抗域适应的遥感影像场景分类

摘要

cqvip:针对遥感影像场景数据难以获取、冗余的地理特征会降低模型的泛化能力等问题,提出一种结合重校准特征与对抗域适应的无监督遥感影像场景分类方法。通过缩聚与激发机制将SE block嵌入VggNet16,用于提高通道之间的相互依赖性,以自适应地重新校准通道之间的特征响应,使网络模型通过全局信息来选择性地提取有效遥感场景影像特征并抑制干扰特征;建立大型源域数据集并利用对抗域适应方法减少源域与目标域遥感影像场景特征差异,提高模型的泛化能力;在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中进行实验,分类精度分别达到89.45%和98.12%。结果表明,该方法优于主流的无监督方法,在遥感影像场景分类中取得了较好的效果。