CNS-Net:一种循环多注意力特征聚合架构 |
| |
引用本文: | 陈俊松,易积政,陈爱斌.CNS-Net:一种循环多注意力特征聚合架构[J].郑州大学学报(理学版),2024(2):73-79. |
| |
作者姓名: | 陈俊松 易积政 陈爱斌 |
| |
作者单位: | 中南林业科技大学计算机与信息工程学院 |
| |
基金项目: | 湖南省自然科学基金项目(2022JJ31022);;湖南省本科教育改革项目(NJG-2021-0532); |
| |
摘 要: | 基于卷积神经网络(convolutional neural network, CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先,设计了一个全局增强性模块(global enhancement module, GEM)通过显示建模通道之间的相互依赖关系,使网络选择性提取关键区域;其次,提出了一个多级循环注意模块(multi-stage cyclic attention module, MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息;最后,在4个公共数据集上进行实验,结果表明所提方法达到了最优的分类性能。
|
关 键 词: | 卷积神经网络 长短期记忆网络 注意力机制 遥感图像 |
|
|