利用残差通道注意力网络的高光谱图像分类 |
| |
引用本文: | 魏祥坡,余旭初,管凌霄. 利用残差通道注意力网络的高光谱图像分类[J]. 测绘科学技术学报, 2019, 36(2) |
| |
作者姓名: | 魏祥坡 余旭初 管凌霄 |
| |
作者单位: | 信息工程大学,河南 郑州,450001;61618部队,北京,100094 |
| |
基金项目: | 国家自然科学基金;河南省科技攻关计划;河南省科技攻关计划 |
| |
摘 要: | 残差网络能够有效地解决卷积神经网络出现的梯度消失问题,应用于高光谱图像分类取得了良好的效果,但简单地堆积残差单元并不能很好地提高模型性能。通道注意力机制能够有区别地处理卷积层输出的特征图,更好地利用对分类有用的特征通道。为了充分利用残差网络及通道注意力机制的特征提取能力,设计适用于高光谱图像分类的残差通道注意力网络。在残差单元中结合卷积层和通道注意力机制,实现对特征通道的重新调整,并在模型中实现局部残差学习和全局残差学习,促进信息传递,增强模型稳定性。实验结果表明,该方法用于Indian Pines数据和University of Pavia数据能够分别取得98.78%和99.22%的分类精度,在有限数量训练样本的情况下,能够达到较高的分类精度。
|
关 键 词: | 高光谱图像 分类 残差网络 通道注意力 残差通道注意力网络 |
Hyperspectral Image Classification Using Residual Channel Attention Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|