基于混合卷积与三重注意力的高光谱图像分类网络

作者：王瑞婷; 王海燕; 陈晓; 耿信哲; 雷涛

来源：智能系统学报, 2022, 1-11.

• 遥感
• 高光谱图像分类
• 深度学习
• 特征提取
• 降维
• 深度可分离卷积
• 注意力机制
• 混合卷积神经网络

针对高光谱图像光谱维度高、现有网络无法提供深度级的多层次特征，从而影响分类精度和速度的问题。首先采用核主成分分析对高光谱图像进行降维，使降维后的数据具有最佳区分度，提出了一种基于混合卷积与三重注意力的卷积神经网络（hybrid convolutional neural network with triplet attention， HCTA-Net）模型，该模型设计了一种基于三维、二维和一维卷积的混合卷积神经网络，通过不同维度卷积神经网络的融合，提取高光谱图像精细的光谱-空间联合特征。在二维卷积中加入深度可分离卷积，减少了模型参数，同时引入三重注意力机制，使用三分支结构实现跨维度信息交互，抑制无用的特征信息。在Indian Pines、Salinas和Pavia University数据集上的实验结果表明，本文提出的模型优于其他对比方法，总体分类精度分别达到了99.16%、99.87%和99.76%。

• 单位
  陕西科技大学