摘要:
在本文中,提出了一种用于HSI分类的有效且高效的基于CNN的谱划分残差网络(SPRN)。SPRN将输入谱带分成几个不重叠的连续子带,并使用级联的并行改进残差块分别从这些子带中提取谱空间特征。最后,将特征融合并输入分类器。通过等效地使用分组卷积,将频谱划分和特征提取嵌入到端到端网络中。实验结果表明,所提出的SPRN实现了最先进的性能,同时具有相对较少的参数和计算成本。通常,CNN将包含连续空间信息的补丁作为输入,并生成中心像素的类标签。输入块的大尺寸包括更多的空间信息,同时也引入了可能导致分类精度降低的干扰像素。为此,我们提出了一种新的空间注意力模块,称为同质像素检测模块(HPDM)。该模块通过捕获输入patch中的同质像素来减轻随着输入patch大小的增加而导致的性能下降。该模块可以集成到任何基于CNN的HSI分类框架中。 阅读全文
![《Spectral Partitioning Residual Network With Spatial Attention Mechanism for Hyperspectral Image Classification》](https://img2023.cnblogs.com/blog/1667357/202303/1667357-20230307195755703-1898716378.png)