恭喜实验室刘新富同学论文被ACM JDIQ录用

A Remote Sensing Image Classification Method Based on Detail Attention Sampling and Teacher-Student Network ACM Journal of Data and Information Quality （中科院4区）

随着遥感技术的不断发展，高分辨率遥感影像具有覆盖范围广、目标变化多样、背景复杂等特点，其数据量日益增长。然而，当前卷积神经网络的感受野相对较小，难以捕捉全局上下文信息。为此，我们提出了一种结合细节注意力机制与师生网络（DATS）的遥感图像分类方法，以有效获取全局上下文信息。

首先，通过细节注意力机制将特征图的空间关系整合到特征通道中，从而将特征图转换为注意力图，生成结构保持和细节保持的图像。接着，师生网络以细节保持和结构保持图像作为输入，利用特征细化器增强图像的细粒度细节。最后，通过知识蒸馏将教师网络学习到的细粒度细节整合到主网络中，实现局部细节特征与全局结构特征的有效融合。在FGSCR-42、WHU-RS19和NWPU数据集上的实验表明，本方法的Top-1分类准确率分别达到88.82%、91.82%和87.60%。