基于注意力辅助CNN的高光谱图像分类
图像与视频处理
2020-06-15 v2 计算机视觉与模式识别
摘要
卷积神经网络（CNNs）已广泛用于高光谱图像分类。作为常见流程，首先从高光谱图像中裁剪小立方体，然后输入CNN以提取光谱与空间特征。众所周知，立方体中不同光谱波段和空间位置具有不同的判别能力。若充分挖掘，该先验信息将有助于提升CNN的学习能力。沿此方向，我们提出一种注意力辅助CNN模型用于高光谱图像的光谱-空间分类。具体而言，分别提出光谱注意力子网络与空间注意力子网络用于光谱与空间分类。二者均基于传统CNN模型，并融入注意力模块以辅助网络聚焦于更具判别性的通道或位置。在最终分类阶段，光谱分类结果与空间分类结果通过自适应加权求和方式结合。为评估所提模型有效性，我们在三个标准高光谱数据集上开展实验。实验结果表明，相较于若干最先进（state-of-the-art）的CNN相关模型，所提模型能取得更优性能。
引用
@article{arxiv.2005.11977,
title = {Hyperspectral Image Classification with Attention Aided CNNs},
author = {Renlong Hang and Zhu Li and Qingshan Liu and Pedram Ghamisi and Shuvra S. Bhattacharyya},
journal= {arXiv preprint arXiv:2005.11977},
year = {2020}
}