A Lightweight Conditional Convolutional Neural Network for Hyperspectral Image Classification

doi:10.14358/pers.22-00130r2

A Lightweight Conditional Convolutional Neural Network for Hyperspectral Image Classification

2023-07-01

0

PRE

AI

DOI：10.14358/pers.22-00130r2

原文链接

原文求助

摘要

En 中文

深度学习（dl），特别是卷积神经网络（cnns），已被证明是一种出色的特征提取器，并广泛应用于高光谱图像（hsi）分类。然而，dl是一种计算需求高的算法，具有大量参数和高计算负担，这严重限制了基于dl的hsi分类算法在移动和嵌入式系统上的部署。在本文中，我们提出了一种极轻量级的条件三维（3D）hsi，采用双分支结构来解决这些问题。具体而言，我们引入了一种轻量级条件3D卷积来替代传统的3D卷积，以降低网络的计算和内存成本，并实现灵活的hsi特征提取。然后，基于轻量级条件3D卷积，我们构建了两条并行路径，以独立地探索和优化多样化的空间和光谱特征。此外，为了精确定位对分类有益的关键信息，我们精心设计了一种轻量级注意力机制，以优化提取的空间和光谱特征，并在减少计算和内存成本的同时提高分类精度。在三个公开的hsi数据集上的实验表明，所提出的模型能够有效降低计算和内存成本，实现高执行速度，并相较于几种近期基于dl的模型展现出更优的分类性能。

A Lightweight Conditional Convolutional Neural Network for Hyperspectral Image Classification

摘要

期刊

机构

引用论文