A Spectral Attention Module-Based Convolutional Network for HSI Classification（2019）——深度学习论文笔记（七）

Learning to Pay Attention to Spectral Domain：A Spectral Attention Module-Based Convolutional Network for Hyperspectral Image Classification （2019）

Abstract

  在过去几年，用于HSIs分类的CNNs取得了很大进步。然而CNNs对所有波段使用相同的权重建模，这阻碍了CNNs对高维度的HSIs的分类。而且使用无用的光谱波段还会引入噪声，降低分类精度。为了增加CNNs的表示能力，本文区分不同光谱波段的重要程度。论文设计了一个叫“spectral attention module”的网络单元，其使用门机制自适应地重新校准光谱波段，即强调重要波段和抑制不重要波段。论文也从理论上分析了光谱注意模块起作用的原因，并用大量实验证明了光谱注意模块的有效性。这项工作能阐明HSIs分类中CNN与光谱波段的相互影响。

1.INTRODUCTION

  HSIs包含上百个波段，是物质识别和分类任务的重要数据源。
  监督分类方法（浅层模型）：随机森林，SVM。随机森林基本上是一种集成包或平均算