ASPCNet：一种用于高光谱图像分类的深度自适应空间模式胶囊网络
计算机视觉与模式识别
2021-04-27 v1
摘要
以往研究表明胶囊网络在从高光谱图像（HSI）中提取空间上下文特征方面具有巨大潜力。然而，胶囊的卷积核采样位置是固定的，无法根据高光谱图像不一致的语义信息进行自适应改变。基于这一观察，本文通过提出自适应空间模式（ASP）单元，开发了可在扩大感受野基础上旋转卷积核采样位置的自适应空间模式胶囊网络（ASPCNet）架构。值得注意的是，该单元能以更少的参数学习更具判别性的高光谱图像表示。具体而言，对输入图像应用两个级联的基于 ASP 的卷积操作（ASPConvs）以学习相对高层的语义特征，比使用最基础的特征更准确地在胶囊间传递层次结构。此外，语义特征被送入基于 ASP 的卷积胶囊操作（ASPCaps）中以自适应方式探索胶囊间物体形状，进一步挖掘胶囊网络潜力。最后，可根据以测试样本为中心的图像块的全连接胶囊层确定类别标签。在三个公开数据集上的实验表明，ASPCNet 能取得具有竞争力的性能，准确率高于当前最优方法。
引用
@article{arxiv.2104.12085,
title = {ASPCNet: A Deep Adaptive Spatial Pattern Capsule Network for Hyperspectral Image Classification},
author = {Jinping Wang and Xiaojun Tan and Jianhuang Lai and Jun Li and Canqun Xiang},
journal= {arXiv preprint arXiv:2104.12085},
year = {2021}
}