SI-GAT：一种基于改进图注意力网络的声纳图像分类方法
计算机视觉与模式识别
2022-11-29 v1 人工智能
摘要
现有的基于深度学习的声纳图像分类方法通常在欧几里得空间中分析，仅考虑局部图像特征。为此，本文提出了一种基于改进图注意力网络（GAT）的声纳分类方法，即 SI-GAT，适用于多种类型的成像声纳。该方法基于颜色邻近性和空间邻近性的联合计算来量化节点间的相关关系，以表征非欧几里得空间中的声纳特征，然后使用 KNN（K 近邻）算法确定图注意力机制中的邻域范围和邻接矩阵，并与注意力系数矩阵共同考虑，构建 SI-GAT 的关键部分。通过真实数据验证，该 SI-GAT 优于几种基于欧几里得空间的 CNN（卷积神经网络）方法。
引用
@article{arxiv.2211.15133,
title = {SI-GAT: A method based on improved Graph Attention Network for sonar image classification},
author = {Can Lei and Huigang Wang and Juan Lei},
journal= {arXiv preprint arXiv:2211.15133},
year = {2022}
}
备注
5 pages, 4 figures