Multi-Scale Spatial–Spectral Attention-Based Neural Architecture Search for Hyperspectral Image Classification

计算机科学 高光谱成像 人工智能 卷积神经网络 人工神经网络 模式识别(心理学) 领域(数学) 比例(比率) 特征提取 上下文图像分类 图像(数学) 数学 物理 量子力学 纯数学
作者
Yingluo Song,Aili Wang,Yan Zhao,Haibin Wu,Yuji Iwahori
出处
期刊:Electronics [MDPI AG]
卷期号:12 (17): 3641-3641 被引量:4
标识
DOI:10.3390/electronics12173641
摘要

Convolutional neural networks (CNNs) are indeed commonly employed for hyperspectral image classification. However, the architecture of cellular neural networks typically requires manual design and fine-tuning, which can be quite laborious. Fortunately, there have been recent advancements in the field of Neural Architecture Search (NAS) that enable the automatic design of networks. These NAS techniques have significantly improved the accuracy of HSI classification, pushing it to new levels. This article proposes a Multi-Scale Spatial–Spectral Attention-based NAS, MS3ANAS) framework for HSI classification to automatically design a neural network structure for HSI classifiers. First, this paper constructs a multi-scale attention mechanism extended search space, which considers multi-scale filters to reduce parameters while maintaining large-scale receptive field and enhanced multi-scale spectral–spatial feature extraction to increase network sensitivity towards hyperspectral information. Then, we combined the slow–fast learning architecture update paradigm to optimize and iteratively update the architecture vector and effectively improve the model’s generalization ability. Finally, we introduced the Lion optimizer to track only momentum and use symbol operations to calculate updates, thereby reducing memory overhead and effectively reducing training time. The proposed NAS method demonstrates impressive classification performance and effectively improves accuracy across three HSI datasets (University of Pavia, Xuzhou, and WHU-Hi-Hanchuan).
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
研友_VZG7GZ应助知犯何逆采纳,获得10
2秒前
Ganlou应助喜悦的唇彩采纳,获得10
2秒前
cessy完成签到,获得积分10
2秒前
3秒前
lvlv发布了新的文献求助10
4秒前
小鹿完成签到,获得积分10
5秒前
YYL完成签到,获得积分10
5秒前
adi完成签到,获得积分10
6秒前
8秒前
kira完成签到,获得积分10
9秒前
9秒前
科研毛毛虫完成签到,获得积分10
10秒前
sally完成签到 ,获得积分10
10秒前
漂亮白枫发布了新的文献求助10
11秒前
Erica完成签到,获得积分10
14秒前
英姑应助lovesxj941采纳,获得10
14秒前
可塔朵完成签到,获得积分10
14秒前
FashionBoy应助天真小甜瓜采纳,获得10
14秒前
潇洒清炎完成签到,获得积分10
14秒前
15秒前
16秒前
CipherSage应助baekhyun采纳,获得10
16秒前
zero完成签到 ,获得积分10
17秒前
LinWI完成签到,获得积分10
17秒前
19秒前
20秒前
zhaohu47完成签到,获得积分10
21秒前
22秒前
共享精神应助漂亮白枫采纳,获得10
22秒前
membrane应助穆觅云采纳,获得10
23秒前
小田发布了新的文献求助10
24秒前
Akim应助俭朴的猫咪采纳,获得10
26秒前
长颈鹿完成签到 ,获得积分10
27秒前
27秒前
28秒前
28秒前
青安完成签到,获得积分10
30秒前
abc完成签到 ,获得积分10
31秒前
32秒前
快乐妖丽完成签到,获得积分10
33秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
The Conscience of the Party: Hu Yaobang, China’s Communist Reformer 600
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3299938
求助须知:如何正确求助?哪些是违规求助? 2934780
关于积分的说明 8470445
捐赠科研通 2608342
什么是DOI,文献DOI怎么找? 1424154
科研通“疑难数据库(出版商)”最低求助积分说明 661873
邀请新用户注册赠送积分活动 645601