PulseAugur
中
实时 21:13:05
English(EN) DMFNet: Dual-Backbone Multiscale Fusion Network for Urban Scene Classification

DMFNet 在城市场景分类中达到 97.46% 的准确率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 DMFNet，这是一种新颖的双骨干多尺度融合网络，专为遥感影像中的城市场景分类而设计。该框架通过利用两个预训练骨干网络进行多样化的特征提取，解决了捕获复杂特征交互和学习鲁棒表征的挑战。通过包含具有残差特征传播的多尺度融合机制和空间注意力模块，以增强特征交互并突出信息区域。在 AID 数据集上的实验表明，DMFNet 的平均准确率达到 97.46%，消融研究证实了其组件的有效性。 AI

影响 引入了一种新的深度学习架构，以改进遥感场景分类。

排序理由 这是一篇详细介绍新模型及其在基准数据集上性能的研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

DMFNet 在城市场景分类中达到 97.46% 的准确率

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Anamitra Ghosh, Abhiroop Chatterjee, Susmita Ghosh ·

    DMFNet：用于城市场景分类的双骨干多尺度融合网络

    arXiv:2607.16338v1 Announce Type: cross Abstract: This article presents DMFNet, a dual-backbone multiscale feature fusion framework with residual feature propagation and spatial attention for remote sensing scene classification. Existing approaches often face challenges in effect…

相关话题