Atención Multi-Tarea Equilibrada para la Clasificación de Imágenes Satelitales: Un Enfoque Sistemático para Alcanzar un 97.23% de Precisión en EuroSAT Sin Preentrenamiento

Balanced Multi-Task Attention for Satellite Image Classification: A Systematic Approach to Achieving 97.23% Accuracy on EuroSAT Without Pre-Training

October 17, 2025

Autores: Aditya Vir

cs.AI

Resumen

Este trabajo presenta una investigación sistemática de arquitecturas personalizadas de redes neuronales convolucionales para la clasificación de uso del suelo en imágenes satelitales, logrando una precisión del 97.23% en el conjunto de datos EuroSAT sin depender de modelos preentrenados. A través de tres iteraciones arquitectónicas progresivas (línea base: 94.30%, mejorada con CBAM: 95.98%, y atención multitarea equilibrada: 97.23%), identificamos y abordamos modos de fallo específicos en la clasificación de imágenes satelitales. Nuestra principal contribución es un novedoso mecanismo de atención multitarea equilibrada que combina la Atención Coordenada para la extracción de características espaciales con bloques Squeeze-Excitation para la extracción de características espectrales, unificados mediante un parámetro de fusión aprendible. Los resultados experimentales demuestran que este parámetro aprendible converge autónomamente a un valor de alfa aproximadamente 0.57, indicando una importancia casi igual de las modalidades espacial y espectral en las imágenes satelitales. Empleamos regularización progresiva con DropBlock (5-20% según la profundidad de la red) y ponderación de pérdida equilibrada por clase para abordar el sobreajuste y el desequilibrio en los patrones de confusión. La arquitectura final de 12 capas alcanza un Kappa de Cohen de 0.9692, con todas las clases superando el 94.46% de precisión, demostrando una calibración de confianza con una brecha del 24.25% entre predicciones correctas e incorrectas. Nuestro enfoque logra un rendimiento dentro del 1.34% del ResNet-50 ajustado (98.57%) sin requerir datos externos, validando la eficacia del diseño arquitectónico sistemático para aplicaciones específicas del dominio. El código completo, los modelos entrenados y los scripts de evaluación están disponibles públicamente.

English

This work presents a systematic investigation of custom convolutional neural network architectures for satellite land use classification, achieving 97.23% test accuracy on the EuroSAT dataset without reliance on pre-trained models. Through three progressive architectural iterations (baseline: 94.30%, CBAM-enhanced: 95.98%, and balanced multi-task attention: 97.23%) we identify and address specific failure modes in satellite imagery classification. Our principal contribution is a novel balanced multi-task attention mechanism that combines Coordinate Attention for spatial feature extraction with Squeeze-Excitation blocks for spectral feature extraction, unified through a learnable fusion parameter. Experimental results demonstrate that this learnable parameter autonomously converges to alpha approximately 0.57, indicating near-equal importance of spatial and spectral modalities for satellite imagery. We employ progressive DropBlock regularization (5-20% by network depth) and class-balanced loss weighting to address overfitting and confusion pattern imbalance. The final 12-layer architecture achieves Cohen's Kappa of 0.9692 with all classes exceeding 94.46% accuracy, demonstrating confidence calibration with a 24.25% gap between correct and incorrect predictions. Our approach achieves performance within 1.34% of fine-tuned ResNet-50 (98.57%) while requiring no external data, validating the efficacy of systematic architectural design for domain-specific applications. Complete code, trained models, and evaluation scripts are publicly available.