机构名称：
¥ 4.0
遥感场景（RSS）图像分类在城市规划和环境保护等各个领域中起着至关重要的作用。然而，由于较高的阶层间相似性和类内变异性，实现RSS图像的准确性分类对当前卷积神经网络（CNN）基于基于的卷积神经网络（CNN）和基于视觉变压器（VIT）的方法构成了巨大挑战。为了解决这些问题，本文提出了一种新颖的双重编码方法，该方法从特征提取和融合的两个角度来看，名为Master-Slave编码网络（MSE-NET）。基于VIT的主编码器提取了高级语义特征，而基于CNN的从属编码器捕获了相对较低级别的空间结构信息。sec-，为了有效地整合两个编码器的特征信息，本文进一步制定了两种融合策略。第一个策略涉及辅助增强单元（AEU），该单元消除了两个编码器之间的语义差异，可增强对奴隶编码器的空间环境意识并促进有效的特征学习。交互式感知单元（IPU）作为第二种策略，促进了两个编码器表示的相互作用和集成，以提取更具歧视性的特征信息。此外，我们在四个广泛使用的RSS数据集上进行了比较实验，包括RSSCN7，Siri-Whu，空中图像数据集（AID）和NWPU-RESISC45（NWPU45），以验证有效性
MSE-NET：一种新颖的主奴隶编码网络...- e-space
主要关键词
相关文件推荐
