来源：期刊VIP网 时间：
作者：袁涌博;冯楠;刘泽宇;王梓鉴;曹林林;
单位：北京联合大学城市轨道交通与物流学院;北京化工大学化学工程学院;
摘要：为了解决卫星图像分类任务中存在的复杂场景识别困难、泛化能力有待提升和训练效率的问题，提出了一种CMP-ResNet50的图像切片分类方法。该方法在传统的ResNet50模型中引入卷积块注意力模块(convolutional block attention module, CBAM),增强了模型对图像语义细节的挖掘和敏感性，在保留ResNet50模型优势的同时，有效提升了特征表达能力。同时，采用自动混合精度训练(automatic mixed precision training, AMP)策略，使每轮训练速度提升了23 s。实验在4个公开卫星图像数据集上进行。结果表明，该方法在卫星图像分类任务上的准确率均优于ResNeXt50、EfficientNet-b0、DenseNet121、MobileNet2、GoogLeNet等网络，特别在NWPU数据集上准确率提高了25.5个百分点，验证了所提出方法的有效性。消融实验进一步验证了CBAM模块和AMP训练策略对模型性能的积极影响。
关键词：深度学习;;影像分类;;注意力机制;;ResNet50;;AMP
基金资助：北京市教委科研计划(KM201911417007)
