融合Transformer和VGG网络的高光谱图像分类

张明慧; 周浩; 王先旺

doi:10.13873/J.1000-9787(2023)12-0142-04

Chinese

您当前的位置：

首页 >

文章列表页 >

融合Transformer和VGG网络的高光谱图像分类

计算与测试 | 更新时间：2025-09-11

- 融合Transformer和VGG网络的高光谱图像分类
- 暂无标题
- 传感器与微系统 2023年第12期页码：142-145+150
- 作者机构：
  
  云南大学信息学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(11663007,61802337);云南省自然科学基金资助项目(202001BB050032)
- DOI：10.13873/J.1000-9787(2023)12-0142-04
  中图分类号： TP751
- 纸质出版：2023
- 稿件说明：
移动端阅览
张明慧, 周浩, 王先旺. 融合Transformer和VGG网络的高光谱图像分类[J]. 传感器与微系统, 2023,(12):142-145+150.
张明慧, 周浩, 王先旺. 融合Transformer和VGG网络的高光谱图像分类[J]. 传感器与微系统, 2023,(12):142-145+150. DOI： 10.13873/J.1000-9787(2023)12-0142-04.

DOI：

摘要

在高光谱图像(HSI)光谱数据中，相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义。然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中，所提取的特征忽略了不同波段间信息的关联性。提出了一种融合Transformer和VGG网络的高光谱图像分类方法(SST＿Like)。采用3D卷积核的VGG网络提取空间光谱特征，基于多头自注意力(MSA)机制的Transformer网络提取连续光谱间信息，形成空谱联合特征，最终通过多层感知机(MLP)完成地物分类任务。本文提出的SST＿Like网络模型在3个HSI开放数据集上的实验结果表明，与传统基于CNN的HSI分类算法相比，可以提取更加深层的、判别性的特征，具有较高的分类性能。

Abstract

关键词

Keywords

references

基于深度学习的高光谱图像分类算法[J]. 孔燕萍;覃亚丽.传感器与微系统,2020(07)

针对高光谱图像的目标分类方法现状与展望[J]. 李秉璇;周冰;贺宣;刘贺雄.激光与红外,2020(03)

AOTF高光谱成像探测作物氮素含量方法[J]. 吴静珠;申舒;董晶晶;李慧;陈岩;毛文华.传感器与微系统,2017(11)

基于PCA和SVM的高光谱遥感图像分类研究[J]. 张亮.光学技术,2008(S1)

Language Models with Transformers.[J]. Chenguang Wang;Mu Li;Alexander J. Smola.CoRR,2019

Visual Attention-Driven Hyperspectral Image Classification[J]. Juan Mario Haut;Mercedes Eugenia Paoletti;Javier Plaza;Antonio Plaza;Jun Li 0009.IEEE Transactions on Geoscience and Remote Sensing,2019

3-D Deep Learning Approach for Remote Sensing Image Classification[J]. Ben Hamida Amina;Benoit Alexandre;Lambert Patrick;Ben Amar Chokri.IEEE Transactions on Geoscience and Remote Sensing,2018

A semi-supervised convolutional neural network for hyperspectral image classification[J]. Liu;Yu;Zhang;Tan;Yu;Xue.Remote Sensing Letters,2017

浏览量

500

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

融合Transformer的改进遮挡人脸识别算法

基于时空Transformer的视觉目标跟踪算法

交互注意力融合的眼底图像分类方法

基于Transformer-DCGAR-SAC的移动机器人路径规划

基于多模态视听融合的Transformer语音识别算法研究