基于注意力的双分支复特征融合网络用于高光谱图像分类
图像与视频处理
2023-11-06 v1 计算机视觉与模式识别
摘要
本研究提出了一种用于高光谱图像分类的新型双分支模型，其结合了两条流：一条使用实值神经网络（RVNN）处理标准高光谱块，另一条使用复值神经网络（CVNN）处理其对应的傅里叶变换。所提模型在 Pavia University 与 Salinas 数据集上进行了评估。结果表明，所提模型在总体精度、平均精度和 Kappa 上均优于当前最先进（SOTA）方法。通过第二条流中引入傅里叶变换，模型能够提取频率信息，补充了第一条流提取的空间信息。两条流的结合提升了模型整体性能。此外，为增强模型性能，采用了压缩与激励（SE）机制。实验证据表明 SE 模块将模型总体精度提升了近 1%。
引用
@article{arxiv.2311.01624,
title = {Attention based Dual-Branch Complex Feature Fusion Network for Hyperspectral Image Classification},
author = {Mohammed Q. Alkhatib and Mina Al-Saad and Nour Aburaed and M. Sami Zitouni and Hussain Al Ahmad},
journal= {arXiv preprint arXiv:2311.01624},
year = {2023}
}