基于注意力机制的遥感船舶图像分类

遥感船舶图像细粒度分类的难点在于类间差异小和类内差异大,并且该领域公开可用的数据集太少,常规的数据增强方法效率低且效果不够好。为了解决上述问题,提出一种基于注意力机制的遥感船舶图像分类网络。首先,利用CBAM注意力机制生成每张训练图的注意力图以突出目标的显著特征部分;其次,通过注意力引导的区域剪裁和区域删除两种方式进行数据增强;最后,将原图和增强后的图片输入进行训练。在数据集FGSCR-42上对该方法进行验证,实验结果表明,该方法超越了其他现有模型,有效提升了遥感船舶图像细粒度分类精度。