基于空间分组坐标注意力和Mamba的遥感图像分类
摘要
遥感图像分类是遥感图像解译的基础，且在农业管理、城市规划、灾害监测等领域中发挥着重要作用。然而，当前遥感图像分类方法仍面临着特征提取区分度不足、难以捕捉到图像中的全局信息与长距离依赖关系、网络模型计算效率低等问题。针对上述问题，提出了一种结合注意力机制与Mamba架构的遥感图像分类模型。首先，提出了空间分组坐标注意力模块，该模块利用特征图在空间维度上的全局信息来生成注意力图，并通过这些注意力图对输入特征图进行加权，增强特征表达能力；其次，引入了位置编码捕获位置信息并使用类标记为输入序列生成一个全局的语义表示；最后，设计了双流多向Mamba编码器，在通道维度上对特征进行并行提取，并提出了多向状态空间模型，用于捕捉遥感图像中的空间信息。在UCM数据集、AID数据集和NWPU-RESISC45数据集上与当前先进的分类方法进行比较，结果表明，所提方法在轻量化的同时在遥感图像分类任务中拥有更优异的分类性能。
引用本文（GB/T 7714）
陈辉 Chen Hui, 李子旭 Li Zixu. 基于空间分组坐标注意力和Mamba的遥感图像分类[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。