DCN-T：基于双上下文网络与Transformer的高光谱图像分类方法
计算机视觉与模式识别
2023-05-17 v1
摘要
由于复杂成像条件引起的空间变异性，高光谱图像（HSI）分类具有挑战性。现有方法表征能力有限，因为它们在有限的标注数据上从头训练专门设计的网络。我们提出了一种三光谱图像生成流程，将HSI转换为高质量三光谱图像，从而能够使用现成的ImageNet预训练骨干网络进行特征提取。受以下观察启发：HSI中存在许多具有显著语义和几何属性的同质区域，可用于提取有用上下文，我们提出了一种端到端分割网络DCN-T。它采用transformers，通过基于相似性的聚类所发现的同质区域内及之间的区域自适应和全局聚合空间上下文进行有效编码。为充分利用HSI丰富的光谱信息，我们采用集成方法，通过投票方案将三光谱图像的所有分割结果整合为最终预测。在三个公开基准上的大量实验表明，我们提出的方法在高光谱图像分类上优于最先进的（SOTA）方法。
引用
@article{arxiv.2304.09915,
title = {DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification},
author = {Di Wang and Jing Zhang and Bo Du and Liangpei Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:2304.09915},
year = {2023}
}
备注
Accepted by IEEE TIP. The code will be released at https://github.com/DotWang/DCN-T