-
题名基于混合卷积与三重注意力的高光谱图像分类网络
被引量：4
- 1
-
-
作者
王瑞婷
王海燕
陈晓
耿信哲
雷涛
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《智能系统学报》
CSCD
北大核心
2023年第2期260-269,共10页
-
基金
国家自然科学基金重点项目(62031021)。
-
文摘
针对高光谱图像光谱维度高、现有网络无法提供深度级的多层次特征,从而影响分类精度和速度的问题。首先采用核主成分分析对高光谱图像进行降维,使降维后的数据具有最佳区分度,提出了一种基于混合卷积与三重注意力的卷积神经网络(hybrid convolutional neural network with triplet attention, HCTA-Net)模型,该模型设计了一种基于三维、二维和一维卷积的混合卷积神经网络,通过不同维度卷积神经网络的融合,提取高光谱图像精细的光谱–空间联合特征。在二维卷积中加入深度可分离卷积,减少了模型参数,同时引入三重注意力机制,使用三分支结构实现跨维度信息交互,抑制无用的特征信息。在Indian Pines、Salinas和Pavia University数据集上的实验结果表明,本文提出的模型优于其他对比方法,总体分类精度分别达到了99.16%、99.87%和99.76%。
-
关键词
遥感
高光谱图像分类
深度学习
特征提取
降维
深度可分离卷积
注意力机制
混合卷积神经网络
-
Keywords
Remote sensing
Hyperspectral image classification
Deep learning
Feature extraction
Dimension reduction
Depth-separable convolution
Attention mechanism
Hybrid convolutional neural network
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
