自适应交叉注意力驱动的空间-光谱图卷积网络用于高光谱图像分类
计算机视觉与模式识别
2022-04-13 v1 人工智能
摘要
近年来，图卷积网络（GCNs）被发展用于探索像素间的空间关系，取得了更好的高光谱图像（HSIs）分类性能。然而，这些方法未能充分利用 HSI 数据中光谱波段间的关系。为此，我们提出一种自适应交叉注意力驱动的空间-光谱图卷积网络（ACSS-GCN），其由空间 GCN（Sa-GCN）子网络、光谱 GCN（Se-GCN）子网络以及图交叉注意力融合模块（GCAFM）组成。具体而言，提出 Sa-GCN 与 Se-GCN 分别通过建模空间像素间与光谱波段间的相关性来提取空间与光谱特征。然后，通过将注意力机制融入图的信息聚合，设计包含空间图注意力块、光谱图注意力块与融合块三部分的 GCAFM，以融合空间与光谱特征并抑制 Sa-GCN 与 Se-GCN 中的噪声干扰。此外，引入自适应图思想，在训练过程中通过反向传播探索最优图。在两个 HSI 数据集上的实验表明，所提方法取得了优于其他分类方法的性能。
引用
@article{arxiv.2204.05823,
title = {Adaptive Cross-Attention-Driven Spatial-Spectral Graph Convolutional Network for Hyperspectral Image Classification},
author = {Jin-Yu Yang and Heng-Chao Li and Wen-Shuai Hu and Lei Pan and Qian Du},
journal= {arXiv preprint arXiv:2204.05823},
year = {2022}
}