用于高光谱图像分类的波段注意力卷积网络
计算机视觉与模式识别
2019-06-12 v1
摘要
高光谱图像（HSIs）的波段中存在冗余和噪声。因此，能够从数百个输入波段中选择合适的部分，对于HSIs分类方法而言是一个良好的特性。本文提出了一种波段注意力模块（Band Attention Module，BAM），以实现基于深度学习且具备波段选择或加权能力的HSIs分类。所提出的BAM可视为现有分类网络的一个即插即用的补充组件，它充分考虑了使用卷积神经网络（CNNs）进行HSIs分类时波段冗余带来的不利影响。与大多数用于HSIs的深度学习方法不同，该波段注意力模块根据高光谱图像的特性定制，并嵌入到普通CNN中以获得更好性能。同时，与经典的波段选择或加权方法不同，所提出的方法实现了端到端的训练，而非分阶段进行。在两个HSI基准数据集上进行了实验。与一些经典和先进的深度学习方法相比，不同评价标准下的数值模拟表明，所提出的方法具有良好的性能。最后但同样重要的是，一些先进的CNN与所提出的BAM相结合，可以获得更好的性能。
引用
@article{arxiv.1906.04379,
title = {Band Attention Convolutional Networks For Hyperspectral Image Classification},
author = {Hongwei Dong and Lamei Zhang and Bin Zou},
journal= {arXiv preprint arXiv:1906.04379},
year = {2019}
}