摘要
航空影像场景分类仍然面临严峻挑战，主要体现在：1）决定场景类别的关键目标在图像中的尺寸差异显著；2）图像中常充斥大量与场景类别无关的冗余对象。因此，如何从多种尺度中有效感知感兴趣区域（Region of Interests, RoIs），并基于这种复杂对象分布构建更具判别性的表征，对于理解航空场景至关重要。本文提出一种全新的“全粒度、单方案”（All Grains, One Scheme, AGOS）框架，以应对上述挑战。据我们所知，这是首个将经典多实例学习（Multiple Instance Learning, MIL）拓展至多粒度（multi-grain）形式的开创性工作。该框架由三个核心模块构成：多粒度感知模块（Multi-Grain Perception, MGP）、多分支多实例表征模块（Multi-Branch Multi-Instance Representation, MBMIR）以及自对齐语义融合模块（Self-Aligned Semantic Fusion, SSF）。首先，我们的MGP保留了主干网络输出的差异化空洞卷积特征，从而增强多粒度下的判别性信息表达；其次，MBMIR在MIL框架下对多粒度表征中的关键实例进行突出，提升其在分类中的贡献；最后，SSF模块使整个框架能够从多粒度实例表征中学习统一的场景类别，并实现有效融合，从而实现端到端的整体优化。值得注意的是，AGOS框架具有高度灵活性，可无缝集成至现有CNN架构中，采用即插即用的方式进行部署。在UCM、AID和NWPU等多个公开基准数据集上的大量实验表明，所提出的AGOS在性能上可与当前最先进的方法相媲美，展现出优异的泛化能力与鲁棒性。