.png){kind=icon}
返回
Hypergraph Convolution Network Classification for Hyperspectral and LiDAR Data
.png){kind=icon}
OA
AI
DOI：10.3390/s25103092.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统基于单源数据的遥感分类方法存在固有局限性，这推动了改进的多模态数据融合技术的研究兴趣。尽管基于卷积神经网络（CNNs）、Transformer和图卷积网络（GCNs）的深度学习方法在融合互补的多源数据方面已展现出有前景的结果，但现有方法在捕捉像素间复杂的更高阶空间-光谱依赖关系方面效果有限。为克服这些局限性，我们提出了HGCN-HL，一种将超图卷积网络（HGCNs）与轻量级CNNs相结合的新型多模态深度学习框架。具体而言，首先设计了一种自适应权重机制，用于初步融合高光谱成像（HSI）和激光雷达（LiDAR）的光谱特征，以增强特征表示能力。然后，基于超像素的动态超边构建实现了两种模态间同质区域的联合表征，显著提升了大规模物体识别的准确性。最后，通过并行CNN分支捕获局部细节特征，以补充HGCN的全局关系建模。在三个基准数据集上进行的全面实验表明，与现有最先进方法相比，我们的方法表现出更优的性能。值得注意的是，所提出的框架在保持竞争性准确率的同时，显著提升了训练效率和推理速度。
Keyword:
superpixels
hypergraph convolutional networks
hyperedge
hyperspectral image
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
AM-GCN: Adaptive Multi-channel Graph Convolutional Networks.png)
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏Graph Information Aggregation Cross-Domain Few-Shot Learning for Hyperspectral Image Classification
PREAI
分享收藏A novel graph-attention based multimodal fusion network for joint classification of hyperspectral image and LiDAR data基于图-注意力的多模态融合网络，用于高光谱图像和LiDAR数据的联合分类
PREAI
分享收藏Cross Hyperspectral and LiDAR Attention Transformer: An Extended Self-Attention for Land Use and Land Cover Classification交叉高光谱与激光雷达注意力变换器: 土地利用和土地覆盖分类的扩展自我注意力
PREAI
分享收藏A survey: Deep learning for hyperspectral image classification with few labeled samples基于深度学习的少标记样本高光谱图像分类研究综述NEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏
查看更多内容