Deep Collaborative Attention Network forHyperspectral Image Classification by Combining2-D CNN and

问题：仅使用二维CNN可能会导致缺失通道关系信息，而仅使用三维CNN可能会使模型变得非常复杂。此外，现有的网络模型对提取光谱空间相关信息重视不够

创新点： （1）三维二维卷积协同使用

                （2）利用NonLocalBlock和Conv_Block分别强调空间相关特征和提取高级抽象相关信息

                （3）为了充分利用不同层次间互补的光谱空间特征，CACNN采用了多层特征融合策略。得到的判别特征映射有助于实现预期的分类结果

整体网络架构：

输入假设一开始是h，w，d，经过pac处理之后变成h,w,b(光谱减少)，然后并行的结构，2d/3d卷积卷四次，有四个结果，这边3d的结果reshape之后和2d的结合在一起，是直接拼接在一起，然后过注意力模块。

接着分别看看两个注意力模块

具体来说这里是一种注意力机制，Non-local的核心思想就是上面说的，某一像素点处的响应是其他所有点处的特征权重和。具体解释在这里计算机视觉中的Non-local-Block以及其他注意力机制 - 知乎 (zhihu.com)

可以看到是一样的

然后叠加的是一个残差结构