您好,欢迎访问中国农业科学院 机构知识库!

基于卷积神经网络与注意力机制的高光谱图像分类

文献类型: 中文期刊

作者: 高玉鹏 1 ; 闫伟红 1 ; 潘新 1 ;

作者机构: 1.内蒙古农业大学计算机与信息工程学院;中国农业科学院草原研究所

关键词: 高光谱图像分类(HSI);卷积神经网络(CNN);coordinate attention;Transformer

期刊名称: 光电子·激光

ISSN: 1005-0086

年卷期: 2024 年 05 期

页码: 483-489

收录情况: 北大核心 ; CSCD

摘要: 由于浅层卷积神经网络(convolutional neural network, CNN)模型感受野的限制,无法捕获远距离特征,在高光谱图像(hyperspectral image, HSI)分类问题中无法充分利用图像空间-光谱信息,很难获得较高精度的分类结果。针对上述问题,本文提出了一种基于卷积神经网络与注意力机制的模型(model based on convolutional neural network and attention mechanism, CNNAM),该模型利用CA (coordinate attention)对图像通道数据进行位置编码,并利用以自注意力机制为核心架构的Transformer模块对其进行远距离特征提取以解决CNN感受野的限制问题。CNNAM在Indian Pines和Salinas两个数据集上得到的总体分类精度分别为97.63%和99.34%,对比于其他模型,本文提出的模型表现出更好的分类性能。另外,本文以是否结合CA为参考进行了消融实验,并证明了CA在CNNAM中发挥重要作用。实验证明将传统CNN与注意力机制相结合可以在HSI分类问题中获得更高的分类精度。

  • 相关文献

[1]基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究. 谭建灿,毛克彪,左志远,赵天杰,谭雪兰,李建军. 2018

[2]几种神经网络经典模型综述. 黄东瑞,毛克彪,郭中华,徐乐园,胡泽民,赵瑞. 2023

[3]基于卷积神经网络模型的遥感图像分类. 付秀丽,黎玲萍,毛克彪,谭雪兰,李建军,孙旭,左志远. 2017

[4]番石榴实蝇性别决定基因Bcotra和Bcotra-2的克隆、序列特征及表达分析. 武强,和丹阳,张桂芬,李建伟,万方浩. 2015

[5]融合Transformer和LSTM的蓝莓根区土壤含水量预测模型. 王亿,曹姗姗,孙伟,胡博,古丽米拉·克孜尔别克,孔繁涛. 2024

[6]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[7]Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas from CT Images. Bikash Santra,Abhishek Jha,Pritam Mukherjee,Mayank Patel,Karel Pacak,Ronald M. Summers. 2024

作者其他论文 更多>>