一种用于高光谱图像分类的 3D 2D 卷积神经网络模型
计算机视觉与模式识别
2021-11-22 v1 机器学习
图像与视频处理
摘要
在提出的 SEHybridSN 模型中，使用密集块来重用浅层特征，旨在更好地利用分层空间光谱特征。随后的深度可分离卷积层用于判别空间信息。空间光谱特征的进一步精炼通过通道注意力方法实现，该方法在每一个 3D 卷积层和每一个 2D 卷积层之后执行。实验结果表明，我们提出的模型使用极少的训练数据学习到更具判别性的空间光谱特征。SEHybridSN 仅使用 0.05 和 0.01 的标记数据进行训练，即获得了非常令人满意的性能。
引用
@article{arxiv.2111.10293,
title = {A 3D 2D convolutional Neural Network Model for Hyperspectral Image Classification},
author = {Jiaxin Cao and Xiaoyan Li},
journal= {arXiv preprint arXiv:2111.10293},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:1902.06701 by other authors