《表2 原始Deep Lab v3与引入通道域注意力模块的结果对比》
注:加粗字体表示各列最优结果。
通道域的注意力模块如图4所示。网络卷积层的加深和遥感影像特征信息的丰富使得每个通道都提取出了多种信息,这些特征信息与目标地物的相关程度也各有不同。原始网络对每个通道信息的权重相同,本文使用注意力模块对特征图通道加权,算法模型对比结果如表2所示。可以看到,采用通道域注意力模块的算法可以学习并选出对目标信息提取贡献较大的特征,实现更好的信息提取效果。
图表编号 | XD00215914500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 侯博文、闫冬梅、郝伟、黄青青、苏秀琴、李青雯 |
绘制单位 | 中国科学院西安光学精密机械研究所、中国科学院大学、中国科学院空天信息创新研究院、海南省地球观测重点实验室三亚中科遥感研究所、中国科学院西安光学精密机械研究所、中国科学院空天信息创新研究院、中国科学院西安光学精密机械研究所、中国科学院空天信息创新研究院、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |