首页|基于轻量级光谱-空间注意力交互网络的高光谱地物分类研究

基于轻量级光谱-空间注意力交互网络的高光谱地物分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
通过引入基于卷积神经网络(convolutional neural network,CNN)的分类算法,高光谱图像(hyperspectral image,HSI)分类任务的精度取得显著的提升,但目前主流CNN算法往往较为复杂且参数量大,从而导致网络难以训练以及容易产生过拟合问题.为在保证网络分类性能的前提下实现轻量化,本文提出一个轻量级架构的基于光谱-空间注意力交互机制的CNN网络用于HSI分类.为实现HSI的光谱-空间特征提取,构建了一个轻量化的双路径骨干网络用于两种特征的提取和融合.其次,为提高特征的表征能力,设计了两个注意力模块分别用于光谱和空间特征的权重再调整.同时,为加强双路径特征之间的关联以实现特征的更好融合,注意力交互机制被引入到网络中以进一步提升网络性能.在3个真实HSI数据集上的分类结果表明,本文所提网络可达到99.5％的分类准确度,并相比于其他网络至少减少50％的参数量.
Lightweight spectral-spatial attention interactive network for hyperspectral image classification

周予、程二丽、张娅莉、刘宇红

展开 >

信阳职业技术学院数学与信息工程学院,河南信阳,464000

贵州大学大数据与信息工程学院,贵州贵阳 550025

HSI地物分类 轻量化CNN架构 注意力交互机制 光谱-空间特征提取

教育部科技发展中心产学研创新基金新一代信息技术创新项目贵州省科学技术基金

2018A02047黔科合基础-ZK[2021]重点001

2023

10.16136/j.joel.2023.04.0288

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(4)
  • 2