A3CLNN：用于多源遥感数据分类的空间、光谱与多尺度注意力ConvLSTM神经网络
计算机视觉与模式识别
2022-04-12 v1 图像与视频处理
摘要
如何有效利用多数据源信息已成为遥感领域中一个相关但具有挑战性的研究课题。本文提出一种新方法以利用两种数据源的互补性：高光谱图像（HSIs）与激光雷达（LiDAR）数据。具体而言，我们开发了一种新的双通道空间、光谱与多尺度注意力卷积长短期记忆神经网络（称为双通道A3CLNN），用于多源遥感数据的特征提取与分类。首先为HSI和LiDAR数据设计空间、光谱与多尺度注意力机制，以学习光谱与空间增强的特征表示，并为不同类别表征多尺度信息。在所设计的融合网络中，采用一种新颖的复合注意力学习机制（结合三级融合策略）来充分整合这两种数据源中的特征。最后，受迁移学习思想启发，设计了一种新颖的逐步训练策略以得到最终分类结果。我们在多个多源遥感数据集上的实验结果表明，新提出的双通道A3CLNN比其他最先进的方法具有更好的特征表示能力（从而带来更具竞争力的分类性能）。
引用
@article{arxiv.2204.04462,
title = {A3CLNN: Spatial, Spectral and Multiscale Attention ConvLSTM Neural Network for Multisource Remote Sensing Data Classification},
author = {Heng-Chao Li and Wen-Shuai Hu and Wei Li and Jun Li and Qian Du and Antonio Plaza},
journal= {arXiv preprint arXiv:2204.04462},
year = {2022}
}
备注
16 pages, 10 figures