多尺度特征融合注意力的轻量化遥感场景分类方法

针对目前常见的遥感影像场景分类卷积神经网络存在特征提取能力不足及模型参数量大的问题,提出一种多尺度特征融合注意力的轻量化遥感影像场景分类方法。将Res2Net网络作为基准模型,在Res2Net模块内嵌入改进的CBAM注意力模块进行优化,关注场景中的关键特征,提高全局特征和局部特征的表达能力;在Res2Net模块间插入深度可分离单元,增加不同尺度特征的连接和复用性,轻量化网络模型,提高运行效率。在UCM数据集上,所提方法的总分类精度方面达到96.90%,相比基线方法提高2.38%。实验表明,所提方法参数量较低,能有效提高场景分类的准确率。