摘要:殘差網(wǎng)絡(luò)能夠有效地解決卷積神經(jīng)網(wǎng)絡(luò)出現(xiàn)的梯度消失問題,應(yīng)用于高光譜圖像分類取得了良好的效果,但簡單地堆積殘差單元并不能很好地提高模型性能。通道注意力機(jī)制能夠有區(qū)別地處理卷積層輸出的特征圖,更好地利用對分類有用的特征通道。為了充分利用殘差網(wǎng)絡(luò)及通道注意力機(jī)制的特征提取能力,設(shè)計(jì)適用于高光譜圖像分類的殘差通道注意力網(wǎng)絡(luò)。在殘差單元中結(jié)合卷積層和通道注意力機(jī)制,實(shí)現(xiàn)對特征通道的重新調(diào)整,并在模型中實(shí)現(xiàn)局部殘差學(xué)習(xí)和全局殘差學(xué)習(xí),促進(jìn)信息傳遞,增強(qiáng)模型穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明,該方法用于Indian Pines數(shù)據(jù)和University of Pavia數(shù)據(jù)能夠分別取得98.78%和 99.22%的分類精度,在有限數(shù)量訓(xùn)練樣本的情況下,能夠達(dá)到較高的分類精度。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社