HyperKon：一种用于高光谱图像分析的自监督对比网络
图像与视频处理
2023-11-28 v1
摘要
高光谱影像卓越的光谱分辨率提供了 RGB 或多光谱图像无法获取的物质洞察。然而，由于高光谱原生 CNN 骨干的匮乏，深度学习技术常未充分利用该数据的全部潜力。为弥补这一差距，我们提出 HyperKon，一种在 EnMAP 高光谱卫星数据上设计与训练的自监督对比学习网络。HyperKon 通过光谱注意力机制与专用卷积层，独特地利用了高光谱数据的高光谱连续性、范围与分辨率。我们还对不同类型层进行了透彻的消融研究，展示其在理解高光谱层方面的性能。它取得了出色的 98% Top-1 检索准确率，并在高光谱全色锐化任务中优于传统 RGB 训练的骨干。此外，在高光谱图像分类中，HyperKon 超越了 SOTA 方法，表明高光谱图像分析的范式转变，并凸显高光谱原生骨干的重要性。
引用
@article{arxiv.2311.15459,
title = {HyperKon: A Self-Supervised Contrastive Network for Hyperspectral Image Analysis},
author = {Daniel L Ayuba and Belen Marti-Cardona and Jean-Yves Guillemaut and Oscar Mendez Maldonado},
journal= {arXiv preprint arXiv:2311.15459},
year = {2023}
}
备注
10 pages, 8 figures