LiteDepthwiseNet：一种用于高光谱图像分类的极轻量网络
图像与视频处理
2020-10-16 v1 计算机视觉与模式识别
摘要
深度学习方法在高光谱图像（HSI）分类中已展现出可观潜力，相较传统方法可达到更高精度。然而，它们往往需要大量训练样本，且参数量大、计算开销高。为解决这些问题，本文提出一种新的网络架构 LiteDepthwiseNet 用于 HSI 分类。基于 3D 深度可分离卷积，LiteDepthwiseNet 可将标准卷积分解为深度卷积与逐点卷积，从而以最少参数实现高分类性能。此外，我们移除了原始 3D 深度可分离卷积中的 ReLU 层与 Batch Normalization 层，显著改善了模型在小规模数据集上的过拟合现象。另外，采用 focal loss 作为损失函数以提升模型对困难样本与不平衡数据的关注，其训练性能显著优于交叉熵损失或平衡交叉熵损失。在三个基准高光谱数据集上的实验结果表明，LiteDepthwiseNet 以极少的参数量与低计算成本达到了 SOTA 性能。
引用
@article{arxiv.2010.07726,
title = {LiteDepthwiseNet: An Extreme Lightweight Network for Hyperspectral Image Classification},
author = {Benlei Cui and XueMei Dong and Qiaoqiao Zhan and Jiangtao Peng and Weiwei Sun},
journal= {arXiv preprint arXiv:2010.07726},
year = {2020}
}