基于改進ShuffleNetV2網(wǎng)絡(luò)的遙感場景分類模型

摘要： 針對傳統(tǒng)的遙感場景分類模型參數(shù)量大、需要的計算資源較多、特征識別不均勻?qū)е路诸惥鹊偷膯栴}，提出一種基于改進ShuffleNetV2網(wǎng)絡(luò)和知識蒸餾的遙感圖像分類方法。首先為了解決在遠距離、高空間的遙感場景下，很難對微小特征進行均勻提取的問題，引入CBAM通道空間注意力機制；其次將ShuffleNetV2網(wǎng)絡(luò)進行輕量化改進，縮減改進基本堆疊單元；最后使用遷移學習和知識蒸餾的方法，... （共12頁）