摘要：针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题，提出一种采用特征重校 准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SEblock,将SEblock与其多尺度分支嵌入 DenseNet-121中进行特征重校准，利用DenseNet中密集连接方式加强信息流的传递。该方法使得整体模型获得全局感受 野的稳健特征表示，减少遥感场景特征的冗余映射。通过在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中 进行实验，分类精度分别高达97.7%和98.9%，验证了该方法的有效性。

　　关键词特征重校准 密集神经网络 遥感影像 深度学习 场景分类

　　原文链接：http://jsjgcysj.zjdata.net/detail/lw_detail/21000419698/