用于高光谱图像分类的谱金字塔图注意力网络
计算机视觉与模式识别
2020-01-22 v1
摘要
卷积神经网络（CNN）在高光谱图像（HSI）分类中取得了显著进展。然而，标准卷积核忽略了数据点之间的内在联系，导致区域划分不佳和微小的伪预测。此外，HSI 在高维谱域上具有独特的连续数据分布——在考虑极高维数情况下表征谱上下文，以及鉴于有限标记数据量提升推理能力方面，仍有许多待解决的问题。本文提出了一种新颖的架构，明确解决这两个问题。具体而言，我们设计了一种架构，以多嵌入空间的谱金字塔形式编码多尺度谱上下文信息。在每个谱嵌入空间中，我们提出图注意力机制，基于谱特征空间中的连接在空间域中显式执行可解释推理。在三个 HSI 数据集上的实验表明，所提架构相比现有方法能显著提升分类精度。
引用
@article{arxiv.2001.07108,
title = {Spectral Pyramid Graph Attention Network for Hyperspectral Image Classification},
author = {Tinghuai Wang and Guangming Wang and Kuan Eeik Tan and Donghui Tan},
journal= {arXiv preprint arXiv:2001.07108},
year = {2020}
}
备注
7 pages, 6 figures, 4 tables