TPPI-Net：面向高效实用的高光谱图像分类
计算机视觉与模式识别
2021-03-19 v1
摘要
高光谱图像（HSI）分类是高光谱领域中最活跃的研究方向，旨在基于像素的光谱-空间特征将图像中每个像素划分至某一特定类别。近年来，一些基于光谱-空间特征的深度卷积神经网络（DCNN）被提出并展现出卓越的分类性能。然而，当面对真实HSI时，这些网络不得不逐像素处理图像中的像素。这种逐像素处理策略效率低下，因为相邻像素间存在大量重复计算。本文首先提出了一种全新的网络设计机制TPPI（基于像素训练、基于图像预测）用于HSI分类，使得在附属于高光谱数据集的限制条件下提供高效实用的HSI分类成为可能。随后，依据TPPI机制，基于最先进的HSI分类网络推导出了TPPI-Net。实验结果表明，所提出的TPPI-Net不仅能获得与最先进HSI分类网络相当的高分类精度，还能大幅降低高光谱图像预测的计算复杂度。
引用
@article{arxiv.2103.10084,
title = {TPPI-Net: Towards Efficient and Practical Hyperspectral Image Classification},
author = {Hao Chen and Xiaohua Li and Jiliu Zhou},
journal= {arXiv preprint arXiv:2103.10084},
year = {2021}
}