HSI_paper
文章平均质量分 60
论文
song_3211
如果一件事情你不能讲清楚,十有八九你还没有完全理解
展开
-
[ TNNLS ] Hyperspectral and SAR Image Classification via Multiscale Interactive Fusion Network
1 . 研究动机由于单源数据的局限性,利用多源遥感数据联合分类受到关注现有的多源遥感数据联合分类方法仍然存在一定缺陷单源数据特征提取 HSI空间分辨率低,易受大气干扰,较难捕捉空间上下文信息; 采用不同卷积核提取多尺度信息然后通过聚合融合,不能保证多尺度提取核融合的有效性,增加了模型参数和复杂性多源数据特征融合 卷积局部特征提取能力强,多源数据远程位置间的依赖性无法传输本文提出一种基于多尺度交互信息提取的高光谱和..原创 2022-05-27 11:06:58 · 518 阅读 · 0 评论 -
[ TIP ] Deep Hierarchical Vision Transformer for Hyperspectral and LiDAR Data Classification
1.研究动机HSI分类方法难以识别具有相似光谱特征但海拔高度不同的物体(如混凝土屋顶和道路)LiDAR数据记录地物海拔高度信息方法具有天然优势目前的分类方法在处理光谱长距离依赖性和空间域提取层次特征方面存在局限性多模态数据特征级融合存在Hughes现象和不同特征间的不平衡问题,没有合适的统一架构来融合异构特征提出一种深度层次 Vision Transformer架构,用于HSI和LiDAR联合分类利用光谱序列 Transformer 捕获光谱长期依赖性利用空间层次 Transf.原创 2022-05-27 11:02:29 · 471 阅读 · 0 评论 -
SSRN:Spectral-Spatial residual network for HSI classification
1.introduction2.SSRN结构2.1 3D-CNN & BN输入数据是三维立方体数据:长、宽、深度(光谱带数)2.2 光谱残差块 & 空间残差块光谱残差块:残差块包括两个连续的3D卷积层,然后在两个3D卷积层之间使用残差连接kernel_size = 1 * 1 * m,padding=(0 , 0 , 3) , stride = (1,1,1),相当于在光谱维度上滑动,即在光谱维度上进行卷积运算,可以保证提取光谱特征,同时设置光谱维度padding =原创 2021-09-23 20:59:43 · 1055 阅读 · 1 评论