清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Attention-Based Adaptive Spectral–Spatial Kernel ResNet for Hyperspectral Image Classification

高光谱成像 判别式 人工智能 计算机科学 模式识别(心理学) 卷积神经网络 核(代数) 空间分析 数学 组合数学 统计
作者
Swalpa Kumar Roy,Suvojit Manna,Tiecheng Song,Lorenzo Bruzzone
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:59 (9): 7831-7843 被引量:304
标识
DOI:10.1109/tgrs.2020.3043267
摘要

Hyperspectral images (HSIs) provide rich spectral-spatial information with stacked hundreds of contiguous narrowbands. Due to the existence of noise and band correlation, the selection of informative spectral-spatial kernel features poses a challenge. This is often addressed by using convolutional neural networks (CNNs) with receptive field (RF) having fixed sizes. However, these solutions cannot enable neurons to effectively adjust RF sizes and cross-channel dependencies when forward and backward propagations are used to optimize the network. In this article, we present an attention-based adaptive spectral-spatial kernel improved residual network (A 2 S 2 K-ResNet) with spectral attention to capture discriminative spectral-spatial features for HSI classification in an end-to-end training fashion. In particular, the proposed network learns selective 3-D convolutional kernels to jointly extract spectral-spatial features using improved 3-D ResBlocks and adopts an efficient feature recalibration (EFR) mechanism to boost the classification performance. Extensive experiments are performed on three well-known hyperspectral data sets, i.e., IP, KSC, and UP, and the proposed A 2 S 2 K-ResNet can provide better classification results in terms of overall accuracy (OA), average accuracy (AA), and Kappa compared with the existing methods investigated. The source code will be made available at https://github.com/suvojit- 0×55aa/A2S2K-ResNet.
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
qphys完成签到,获得积分10
39秒前
42秒前
科研通AI2S应助科研通管家采纳,获得10
52秒前
lanxinge完成签到 ,获得积分10
1分钟前
1分钟前
back you up发布了新的文献求助10
1分钟前
LJ_2完成签到 ,获得积分10
1分钟前
1分钟前
cocolu应助anny2022采纳,获得10
1分钟前
yar应助anny2022采纳,获得10
2分钟前
腰果虾仁完成签到 ,获得积分10
2分钟前
anny2022完成签到,获得积分10
2分钟前
楚襄谷完成签到 ,获得积分10
3分钟前
盛事不朽完成签到 ,获得积分10
3分钟前
CBW发布了新的文献求助10
3分钟前
3分钟前
CBW完成签到,获得积分10
3分钟前
所得皆所愿完成签到 ,获得积分10
3分钟前
powell完成签到,获得积分10
4分钟前
natsu401完成签到 ,获得积分10
4分钟前
gwbk完成签到,获得积分10
4分钟前
傻傻的哈密瓜完成签到,获得积分10
4分钟前
肆肆完成签到,获得积分10
4分钟前
科研通AI2S应助科研通管家采纳,获得10
4分钟前
科研通AI2S应助科研通管家采纳,获得10
4分钟前
4分钟前
jjaigll12完成签到 ,获得积分10
5分钟前
跃迁的电子完成签到 ,获得积分10
5分钟前
5分钟前
6分钟前
vitamin完成签到 ,获得积分10
6分钟前
胖小羊完成签到 ,获得积分10
6分钟前
7分钟前
Hou完成签到 ,获得积分10
7分钟前
7分钟前
zhaideqi7发布了新的文献求助10
7分钟前
annie2D完成签到,获得积分10
7分钟前
songf11完成签到,获得积分10
7分钟前
Party发布了新的文献求助10
7分钟前
imi完成签到 ,获得积分0
7分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 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 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3319417
求助须知:如何正确求助?哪些是违规求助? 2950549
关于积分的说明 8552329
捐赠科研通 2627728
什么是DOI,文献DOI怎么找? 1437899
科研通“疑难数据库(出版商)”最低求助积分说明 666440
邀请新用户注册赠送积分活动 652428