elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Multi-label Aerial Image Classification using A Bidirectional Class-wise Attention Network

Hua, Yuansheng und Mou, LiChao und Zhu, Xiao Xiang (2019) Multi-label Aerial Image Classification using A Bidirectional Class-wise Attention Network. In: 2019 Joint Urban Remote Sensing Event, JURSE 2019, Seiten 1-4. JURSE 2019, 2019-05-22 - 2019-05-24, Vannes, France. doi: 10.1109/JURSE.2019.8808940. ISBN 978-172810009-8.

[img] PDF
2MB

Offizielle URL: https://ieeexplore.ieee.org/document/8808940

Kurzfassung

Multi-label aerial image classification is of great significance in remote sensing community, and many researches have been conducted over the past few years. However, one common limitation shared by existing methods is that the co-occurrence relationship of various classes, so called class dependency, is underexplored and leads to an inconsiderate decision. In this paper, we propose a novel end-to-end network, namely class-wise attention-based convolutional and bidirectional LSTM network (CA-Conv-BiLSTM), for this task. The proposed network consists of three indispensable components: 1) a feature extraction module, 2) a class attention learning layer, and 3) a bidirectional LSTM-based sub-network. Experimental results on UCM multi-label dataset and DFC15 multi-label dataset validate the effectiveness of our model quantitatively and qualitatively.

elib-URL des Eintrags:https://elib.dlr.de/134068/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Multi-label Aerial Image Classification using A Bidirectional Class-wise Attention Network
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Hua, YuanshengYuansheng.Hua (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mou, LiChaoLiChao.Mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Mai 2019
Erschienen in:2019 Joint Urban Remote Sensing Event, JURSE 2019
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/JURSE.2019.8808940
Seitenbereich:Seiten 1-4
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
NICHT SPEZIFIZIERTIEEENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
ISBN:978-172810009-8
Status:veröffentlicht
Stichwörter:multi-label classification, high resolution aerial image, Convolutional Neural Network (CNN), class attention learning, Bidirectional Long Short-Term Memory (BiLSTM), class dependency
Veranstaltungstitel:JURSE 2019
Veranstaltungsort:Vannes, France
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:22 Mai 2019
Veranstaltungsende:24 Mai 2019
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Haschberger, Dr.-Ing. Peter
Hinterlegt am:11 Feb 2020 09:45
Letzte Änderung:24 Apr 2024 20:37

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.