Scientific Reports·8月30日 · 周日论文智慧农业 / 农业物联网阅读 1
MDFNet: a lightweight multi-stream network tailored for real-time GIS and disaster monitoring applications
Wenjun Wang · Dingju Zhu · Minjin Wu 等 5 人
论文解读
61接近精选线
速览
提出轻量级多流双阶段融合网络MDFNet，用于高分辨率遥感图像场景分类，兼顾精度与效率。
方法
基于迁移学习，并行低中高层流提取特征，双注意力增强，多源特征聚合减少冗余。
发现
在AID、UC Merced、NWPU-RESISC45上，MDFNet以更少参数和计算量达到竞争性
机会点
可将MDFNet轻量化架构迁移至农业遥感场景，如作物分类、灾害监测，实现边缘设备实时推理。
影响力12
信息增量18
专业深度16
信源权威12
时效性3
轻量化遥感分类网络，面向实时GIS与灾害监测，方法新颖且实验充分，但时效性稍差。
原文摘要
极高分辨率遥感影像场景分类（RSSC）是地理信息系统（GIS）在防灾、应急响应和灾后恢复中的关键支撑技术。现有方法往往结构过于复杂，难以满足时间敏感型边缘部署对计算效率的严苛要求。针对这些结构性瓶颈，本文提出MDFNet——一种基于迁移学习的轻量级多流双阶段融合网络。该模型采用并行的低层、中层和高层特征流提取层次化特征，引入双重注意力机制增强判别性区域，并通过多源特征聚合降低冗余。在AID、UC Merced和NWPU-RESISC45数据集上的大量实验表明，MDFNet在显著减少参数数量和计算成本的同时，实现了具有竞争力或更优的精度。这种参数高效的设计为面向未来实时GIS推理和应急制图提供了一种基础性的加速架构。
信源（1 个）