Multimodal Fusion Transformer for Remote Sensing Image Classification

计算机科学 变压器 人工智能 卷积神经网络 CLs上限 编码器 上下文图像分类 模式识别(心理学) 安全性令牌 源代码 机器学习 图像(数学) 量子力学 医学 操作系统 验光服务 物理 电压 计算机安全
作者
Swalpa Kumar Roy,Ankur Deria,Danfeng Hong,Behnood Rasti,Antonio Plaza,Jocelyn Chanussot
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:61: 1-20 被引量:111
标识
DOI:10.1109/tgrs.2023.3286826
摘要

Vision transformers (ViTs) have been trending in image classification tasks due to their promising performance when compared to convolutional neural networks (CNNs). As a result, many researchers have tried to incorporate ViTs in hyperspectral image (HSI) classification tasks. To achieve satisfactory performance, close to that of CNNs, transformers need fewer parameters. ViTs and other similar transformers use an external classification (CLS) token which is randomly initialized and often fails to generalize well, whereas other sources of multimodal datasets, such as light detection and ranging (LiDAR) offer the potential to improve these models by means of a CLS. In this paper, we introduce a new multimodal fusion transformer (MFT) network which comprises a multihead cross patch attention (mCrossPA) for HSI land-cover classification. Our mCrossPA utilizes other sources of complementary information in addition to the HSI in the transformer encoder to achieve better generalization. The concept of tokenization is used to generate CLS and HSI patch tokens, helping to learn a {distinctive representation} in a reduced and hierarchical feature space. Extensive experiments are carried out on {widely used benchmark} datasets {i.e.,} the University of Houston, Trento, University of Southern Mississippi Gulfpark (MUUFL), and Augsburg. We compare the results of the proposed MFT model with other state-of-the-art transformers, classical CNNs, and conventional classifiers models. The superior performance achieved by the proposed model is due to the use of multihead cross patch attention. The source code will be made available publicly at \url{https://github.com/AnkurDeria/MFT}.}
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
小马甲应助jue123采纳,获得10
1秒前
瑶瑶完成签到,获得积分10
2秒前
kiki完成签到,获得积分10
3秒前
4秒前
mingjie发布了新的文献求助10
5秒前
7秒前
胖一达完成签到 ,获得积分10
9秒前
今后应助图书馆采纳,获得10
9秒前
sunglow11完成签到,获得积分0
9秒前
强健的幻丝完成签到,获得积分20
10秒前
了不起的RR完成签到 ,获得积分20
11秒前
李永宽完成签到 ,获得积分10
11秒前
星辰大海应助完美的海秋采纳,获得10
13秒前
15秒前
15秒前
刘老哥6完成签到,获得积分10
16秒前
wood发布了新的文献求助10
17秒前
闪闪沛容发布了新的文献求助10
19秒前
19秒前
19秒前
图书馆发布了新的文献求助10
20秒前
21秒前
一只饺子完成签到 ,获得积分10
21秒前
黄迪迪完成签到 ,获得积分10
22秒前
zhaoyw完成签到,获得积分10
23秒前
jue123发布了新的文献求助10
25秒前
26秒前
xiexuqin完成签到,获得积分10
35秒前
咪吖完成签到 ,获得积分10
36秒前
虚拟的觅山完成签到 ,获得积分10
37秒前
优秀傲松完成签到,获得积分10
38秒前
lzzj完成签到,获得积分10
40秒前
41秒前
森森完成签到,获得积分10
42秒前
42秒前
CipherSage应助cl采纳,获得10
42秒前
huben发布了新的文献求助10
44秒前
小诸葛发布了新的文献求助10
45秒前
yuanling完成签到 ,获得积分10
46秒前
长安乱世完成签到 ,获得积分10
46秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Semiconductor Process Reliability in Practice 1500
歯科矯正学 第7版(或第5版) 1004
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
中国区域地质志-山东志 560
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 3242426
求助须知:如何正确求助?哪些是违规求助? 2886811
关于积分的说明 8244819
捐赠科研通 2555315
什么是DOI,文献DOI怎么找? 1383432
科研通“疑难数据库(出版商)”最低求助积分说明 649713
邀请新用户注册赠送积分活动 625537