局部感知的高光谱分类
计算机视觉与模式识别
2023-09-06 v1
摘要
高光谱图像分类因能够在宽连续光谱中捕获视觉信息，而在遥感高精度视觉任务中日益受到青睐。研究者一直致力于高光谱图像分类的自动化，近期工作利用了视觉 Transformer。然而，多数研究模型仅建模光谱信息而缺乏对局部性（即相邻像素）的关注，这可能不足以区分，导致性能局限。为此，我们提出三点贡献：i) 引入 Hyperspectral Locality-aware Image TransformEr (HyLITE)，一种同时建模局部与光谱信息的视觉 Transformer；ii) 一种促进局部到全局信息整合的新正则化函数；iii) 我们提出的方法以显著优势超越竞争基线，准确率提升高达 10%。训练模型与代码发布于 HyLITE。
引用
@article{arxiv.2309.01561,
title = {Locality-Aware Hyperspectral Classification},
author = {Fangqin Zhou and Mert Kilickaya and Joaquin Vanschoren},
journal= {arXiv preprint arXiv:2309.01561},
year = {2023}
}
备注
The paper is accepted at BMVC2023