Binary Neural Network for Multispectral Image Classification

多光谱图像 计算机科学 计算 频道(广播) 上下文图像分类 人工神经网络 二进制数 模式识别(心理学) 人工智能 二元分类 卷积神经网络 图像(数学) 数据挖掘 算法 支持向量机 计算机网络 算术 数学
作者
Weipeng Jing,Xu Zhang,Jian Wang,Donglin Di,Guangsheng Chen,Houbing Song
出处
期刊:IEEE Geoscience and Remote Sensing Letters [Institute of Electrical and Electronics Engineers]
卷期号:19: 1-5 被引量:7
标识
DOI:10.1109/lgrs.2022.3161360
摘要

Compared with traditional images, multispectral images (MSIs) contain more spectral bands and higher data dimensions. The existing MSI classification model has high computational complexity and consumes a lot of computing resources. In this letter, we propose a lightweight multispectral classification method named CABNN based on binary neural networks (BNNs) to effectively have a trade-off between model performance and computational cost. First, we modify and binarize the MobileNetV1 network and add almost computation-free shortcuts to enhance the expressive capability. Secondly, since the BNN is sensitive to the distribution of activation functions, we introduce RPReLU with learnable coefficients to automatically adjust activation distribution at almost no extra cost. Lastly, considering that MSIs have multiple channels, we utilize an efficient channel attention (ECA) module to assign different weights to each channel to concentrate on crucial features and suppress insignificant features. We conduct experiments on four public MSI datasets, including NaSC-TG2, EuroSAT, GID Fine land-cover classification, and UC Merced Land Use. Extensive experiments demonstrate that the proposed CABNN has higher efficiency and better comprehensive performance than the state-of-the-art methods across the board.
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
老迟到的问安完成签到 ,获得积分10
4秒前
田様应助文艺的匪采纳,获得10
5秒前
6秒前
紧张的世德完成签到,获得积分10
7秒前
NexusExplorer应助木本采纳,获得10
7秒前
cherry发布了新的文献求助30
9秒前
英姑应助Le采纳,获得20
11秒前
12秒前
ww完成签到,获得积分10
14秒前
16秒前
ww发布了新的文献求助10
17秒前
17秒前
上官若男应助Diana采纳,获得10
19秒前
19秒前
TAN完成签到,获得积分10
20秒前
所所应助龙卷风采纳,获得10
21秒前
Christine发布了新的文献求助30
22秒前
23秒前
chenchiyin发布了新的文献求助30
23秒前
科研通AI2S应助ww采纳,获得10
24秒前
Le发布了新的文献求助20
24秒前
25秒前
25秒前
26秒前
27秒前
丘比特应助Christine采纳,获得30
28秒前
木本发布了新的文献求助10
29秒前
An完成签到,获得积分10
29秒前
虚拟的沉鱼完成签到,获得积分20
30秒前
英俊的铭应助Maybe不是我采纳,获得10
31秒前
31秒前
常乐的大宝剑完成签到,获得积分10
34秒前
剁辣椒蒸鱼头完成签到 ,获得积分10
34秒前
Diana完成签到,获得积分10
35秒前
深情安青应助坚强的严青采纳,获得30
36秒前
隐形曼青应助很好采纳,获得10
37秒前
圆滚滚完成签到,获得积分10
38秒前
38秒前
39秒前
40秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 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 3254080
求助须知:如何正确求助?哪些是违规求助? 2896409
关于积分的说明 8292562
捐赠科研通 2565288
什么是DOI,文献DOI怎么找? 1392945
科研通“疑难数据库(出版商)”最低求助积分说明 652418
邀请新用户注册赠送积分活动 629856