空间-光谱 FFPNet：基于注意力的金字塔网络用于遥感图像分割与分类
计算机视觉与模式识别
2020-08-21 v1
摘要
我们研究高分辨率与高光谱遥感图像的分割与分类问题。不同于常规自然（RGB）图像，当现有模型直接用于图像分类时，遥感图像固有的大尺度与复杂结构带来了诸如空间目标分布多样性和光谱信息提取等主要挑战。在本研究中，我们开发了基于注意力的金字塔网络用于遥感数据集的分割与分类。注意力机制用于构建以下模块：i) 一种新颖且鲁棒的基于注意力的多尺度融合方法，在不同及相同尺度上有效融合有用的空间或光谱信息；ii) 一种利用基于区域的注意力的区域金字塔注意力机制，解决大尺度遥感图像中目标几何尺寸多样性问题；以及 iii) 我们自适应空洞空间金字塔池化网络中的跨尺度注意力，适应特征嵌入空间中的多变内容。通过组合这些基于注意力的模块，建立了不同形式的特征融合金字塔框架。首先，提出一种称为重权空间特征融合金字塔网络（FFPNet）的新颖分割框架，以解决高分辨率遥感图像的空间问题。其次，提出一种端到端的空间-光谱 FFPNet 用于高光谱图像分类。在 ISPRS Vaihingen 和 ISPRS Potsdam 高分辨率数据集上的实验表明，所提出的重权空间 FFPNet 取得了有竞争力的分割精度。此外，在 Indian Pines 和 University of Pavia 高光谱数据集上的实验表明，所提出的空间-光谱 FFPNet 在高光谱图像分类中优于当前最先进（state-of-the-art）方法。
引用
@article{arxiv.2008.08775,
title = {Spatial--spectral FFPNet: Attention-Based Pyramid Network for Segmentation and Classification of Remote Sensing Images},
author = {Qingsong Xu and Xin Yuan and Chaojun Ouyang and Yue Zeng},
journal= {arXiv preprint arXiv:2008.08775},
year = {2020}
}