近日，yl7703永利官网吕鹏远副教授（第一/通讯作者）在遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（中科院一区TOP，IF=8.125）发表的论文“SCViT: A Spatial-Channel Feature Preserving Vision Transformer for Remote Sensing Image Scene Classification” 被遴选为ESI数据库高被引论文，其被引频次已进入地球科学（Geosciences）学术领域最优秀的1%之列。该论文第一作者单位为yl7703永利官网。

高空间分辨率遥感影像能够获取精细的地物几何信息，目前常见的高分辨率卫星影像其空间分辨率已达到亚米级。然而高空间分辨率遥感影像其光谱信息相对有限，为影像高精度解译带来了挑战。该论文提出了一种联合空间与谱间深度特征的遥感影像场景分类方法，此方法使用深度自注意力机制直接挖掘影像中地物的空间分布以及光谱间的长距依赖关系，相比于现有深度自注意力网络，有效顾及了不同特征通道对地物类型判别的贡献，能够在多达45种场景类型识别的任务下提高模型分类精度。该研究是yl7703永利官网在遥感与人工智能交叉领域相关研究上取得的重要进展。

论文链接：https://ieeexplore.ieee.org/document/9729845