细粒度图像分类_科研成果 | 基于显著性分析的遥感图像细粒度分类

本文介绍了一种基于显著性分析的遥感图像细粒度分类方法，本项工作由赛博智能团队中的戴威提出，相关论文已于2019年上半年在领域期刊发表录用。

遥感图像目标识别是智能化解译的关键部分，它作为辅助判读人员的强有力工具，可以使判读人员将更多的时间和精力放到其他复杂疑难问题上，提高整体的工作效率。

根据各个类的类间差别从大到小，目标分类大体上可以分为通用目标分类、细粒度分类和个体目标分类。通用目标分类旨在区分类间差别比较大的目标，比如区分飞机、网球场、棒球场和十字路口，如下图中的通用目标所示。细粒度分类是指同一父类下的子类分类，区分的目标类别更加的细致，类间差别比较小，比如下图中的细粒度目标所示，区分四种不同型号的飞机。个体目标分类是指不同目标个体间的区分，目标与类别一一对应，比如下图中的个体目标所示，区分四种具体舷号的航母。

类别波段

本文选取遥感图像飞机目标为研究对象。现存的飞机包含成百上千种型号，不同型号的飞机同属飞机这一父类，它们具有功能相近的部件、结构等，飞机识别任务就是要辨别不同型号的飞机，辨识依据往往是某些具有判断性的局部信息，因此遥感图像飞机型号识别是一个典型的细粒度分类问题。