论文摘要
残差网络能够有效地解决卷积神经网络出现的梯度消失问题,应用于高光谱图像分类取得了良好的效果,但简单地堆积残差单元并不能很好地提高模型性能。通道注意力机制能够有区别地处理卷积层输出的特征图,更好地利用对分类有用的特征通道。为了充分利用残差网络及通道注意力机制的特征提取能力,设计适用于高光谱图像分类的残差通道注意力网络。在残差单元中结合卷积层和通道注意力机制,实现对特征通道的重新调整,并在模型中实现局部残差学习和全局残差学习,促进信息传递,增强模型稳定性。实验结果表明,该方法用于Indian Pines数据和University of Pavia数据能够分别取得98.78%和99.22%的分类精度,在有限数量训练样本的情况下,能够达到较高的分类精度。
论文目录
文章来源
类型: 期刊论文
作者: 魏祥坡,余旭初,管凌霄
关键词: 高光谱图像,分类,残差网络,通道注意力,残差通道注意力网络
来源: 测绘科学技术学报 2019年02期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 信息工程大学,61618部队
基金: 国家自然科学基金项目(41801388),河南省科技攻关计划项目(152102210014,182102210148)
分类号: TP751;TP183
页码: 161-166+172
总页数: 7
文件大小: 4604K
下载量: 135
相关论文文献
标签：高光谱图像论文; 分类论文; 残差网络论文; 通道注意力论文; 残差通道注意力网络论文;