• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Positional Context Aggregation Network for Remote Sensing Scene Classification
【24h】

Positional Context Aggregation Network for Remote Sensing Scene Classification

机译：用于遥感场景分类的位置上下文聚合网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To capture the long-range dependence of an input image for remote sensing scene (RSS) classification, in this letter, we propose a general positional context aggregation (PCA) module in deep convolutional neural networks. The PCA module is with the form of self-attention mechanism, in which two proposed blocks, the spatial context aggregation (SCA) and the relative position encoding (RPE), are used to capture the spatial-dipartite contextual aggregation information and the RPE information. Therefore, compared with the classical self-attention mechanism, global attention maps extracted by PCA not only have the advantage of regional distinction but also satisfy the translation equivariance that is proven to benefit scene classification. To demonstrate the superiority of the PCA module, we implement it on the pretrained ResNet [i.e., the so-called PCA network (PCANet)] and report the results on five popular RSS classification benchmarks. Experimental results show that the PCA module can improve the RSS classification performance significantly, and PCANet50 achieves the state-of-the-art results on these data sets.
机译：为了捕获输入图像的输入图像的远程传感场景（RSS）分类的远程依赖性，在这封信中，我们在深卷积神经网络中提出了一般的位置上下文聚合（PCA）模块。 PCA模块具有自我关注机制的形式，其中两个所提出的块，空间上下文聚合（SCA）和相对位置编码（RPE）用于捕获空间 - 二维上下文聚合信息和RPE信息。因此，与经典的自我关注机制相比，PCA提取的全球关注图不仅具有区域区分的优势，而且还满足了被证明是受益于场景分类的平移等因素。为了展示PCA模块的优越性，我们将其实施在预读RESET [即，所谓的PCA网络（PCANet）]上实现它，并在五个流行的RSS分类基准上报告结果。实验结果表明，PCA模块可以显着提高RSS分类性能，PCANet50实现了这些数据集的最先进的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号