联合注意力与混合卷积的高光谱地物识别研究
Research on hyperspectral ground object recognition based oncombined attention and mixed convolution作者机构：昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500
出 版 物：《云南大学学报（自然科学版）》 (Journal of Yunnan University(Natural Sciences Edition))
年 卷 期：2024年第46卷第4期
页 面：654-664页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学]
基 金：工业控制技术国家重点实验室(浙江大学)开放课题(ICT2022B06)
摘 要：针对高光谱地物识别模型在提取空谱联合特征时,缺乏对空间特征有效关注的问题,提出了一种基于注意力机制和混合卷积神经网络的高光谱地物识别方法.该方法用三维CNN(3DCNN)以及二维CNN(2DCNN)对高光谱图像的空谱联合特征进行提取,并在二维卷积阶段引入了注意力机制,构建AFCNet地物识别模型,使得其在提取空谱联合特征的同时,实现对空间特征的有效关注和激活.所提模型使用带批归一化层(batch normalization,BN)的3D卷积核和2D卷积核,加快了模型的收敛速度,防止了过拟合现象的发生.相对于传统的卷积网络模型,所提模型提高了噪声抑制能力,得到了较好的地物识别效果,在Salinas和Pavia University&Center数据集上,取得了99.96%和99.87%的地物识别精度,验证了所提方法的有效性.
维普期刊数据库
同方期刊数据库