用光学卫星影像的迁移学习进行船只分类的 ResNet 集成卷积块注意模块
原文中文，约300字，阅读约需1分钟。发表于：。使用高分辨率光学遥感卫星图像，本研究提出了一种新颖的传输学习框架，用于有效的船舶分类。该框架基于深度卷积神经网络模型 ResNet50，并结合了卷积块注意力模块 (CBAM) 来增强性能。实验结果表明该框架在光学遥感图像的船舶分类中具有良好的效果，达到了 94% 的高分类精度，超过了现有方法。该研究在海上监视与管理、非法渔业监测和海上交通监控方面具有潜在的应用价值。
本文介绍了基于ResNet模型的图像分类方法，通过学习像素数据的特征层次结构，革新了图像分类。引入了轻量级的注意力机制框架来提高性能，在Breakhis数据集上验证了该算法的有效性，显示出优越性。在精确度、准确度、召回率、F1分数和G-means等指标方面实现了显著改进，同时在收敛时间方面表现良好。
