A2S-NAS：面向高光谱图像分类的非对称谱-空神经架构搜索
计算机视觉与模式识别
2023-02-24 v1
摘要
现有基于深度学习的高光谱图像（HSI）分类工作仍受限于固定尺寸感受野，导致难以对具有不同尺寸与任意形状的地面物体提取判别性谱-空特征。同时，大量先前工作忽略了 HSI 中谱-空维度的非对称性。为解决上述问题，我们提出一种多阶段搜索架构，以克服非对称谱-空维度并捕获显著特征。首先，谱-空维度上的非对称池化最大程度保留 HSI 的本质特征。随后，具有可选感受野范围的 3D 卷积克服了固定尺寸卷积核的限制。最后，我们将这两个可搜索操作扩展到各阶段的不同层以构建最终架构。我们在包括 Indian Pines 与 Houston University 的两个具挑战性 HSI 基准上进行了充分实验，结果表明所提方法相比相关工作的优越性。
引用
@article{arxiv.2302.11868,
title = {A2S-NAS: Asymmetric Spectral-Spatial Neural Architecture Search For Hyperspectral Image Classification},
author = {Lin Zhan and Jiayuan Fan and Peng Ye and Jianjian Cao},
journal= {arXiv preprint arXiv:2302.11868},
year = {2023}
}
备注
Accepted by 48th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2023)