当描述和识别要在微波图像中识别的对象时，传统的多模态模型在描述复杂图像内容方面相对较弱，生成的句子相对简单。 结合Ngram2vec词嵌入技术，提出了一种基于自注意力机制的多模态遥感语义描述与识别方法。 首先，使用Ngram2ve挖掘域窗口中要识别的像素和相邻像素之间的语义信息和上下文特征。 其次，引入了一种自我关注机制，以进一步学习邻域窗口中所有像素的内部结构信息，以生成多维表示。 最后，为了避免信息在层之间传递的丢失，使用了密集网络来实现信息流的整合，并且在每个紧密连接的模块之间添加了多层独