面向小样本高光谱影像分类的轻量化关系网络
近年来,基于深度学习的高光谱影像分类取得重要进展,针对高光谱影像分类训练样本稀缺的情况,提出一种结合注意力机制的轻量化关系网络(lightweight attention depth-wise relation network,LWAD-RN),以解决高光谱影像小样本分类问题.该网络由嵌入层和关联层组成,在嵌入层采用结合注意力机制的轻量化卷积神经网络提取像元特征,同时引入稠密网络结构;在关联层计算关联值进行分类,并采用基于任务的模式训练网络.利用3组公开的高光谱影像数据进行对比实验,结果表明,LWAD-RN能够有效提升小样本条件下(每类5个训练样本)的分类精度,同时提高了模型训练和分类效率.
高光谱影像分类、注意力机制、轻量化网络、关系网络、小样本
47
P237(摄影测量学与测绘遥感)
国家自然科学基金41801388
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共13页
1336-1348