.png){kind=icon}
返回
Nonparameter Attention-Guided Deformable Convolution Network for Hyperspectral Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2026.3664312.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卷积神经网络（CNNs）因其强大的特征提取能力，已在高光谱分类任务中得到了广泛应用。然而，在处理高维高光谱数据时，卷积操作中的固定核形状无法动态调整其采样位置以适应复杂的数据结构。为缓解这一问题，我们提出了一种非参数注意力引导的可变形卷积（NPA-DConv）作为即插即用的特征提取模块，该模块通过无需学习参数的非参数注意力（NPA）改进了可变形卷积。更具体地，NPA被设计为空间-光谱特征重要性的表示，用于计算核变形的偏移量，从而实现采样点的精确定位。通过这种方式，常规卷积被NPA-DConv取代，以实现核形状的动态调整。在此基础上，针对空间-光谱判别特征的联合提取，定制了一种高光谱分类框架——非参数注意力引导的可变形卷积网络（NPADCN）。在三个公开高光谱数据集上进行的实验结果证明了所提方法的优越性能。所提NPADCN的源代码可在https://github.com/wybable/NPADCN/获取。
Keyword:
Attention mechanisms
convolutional neural networks (CNNs)
deformable convolution
hyperspectral image (HSI) classification
spatial–spectral feature
期刊
I
IF:
4.4
论文数:
715
被引数:
0
机构
引用论文
Deformable Convolution-Enhanced Hierarchical Transformer With Spectral-Spatial Cluster Attention for Hyperspectral Image Classification可变形卷积增强的层次化Transformer与光谱-空间聚类注意力用于高光谱图像分类
.png){kind=icon}
PREAI
分享收藏Deformable Convolutional Neural Networks for Hyperspectral Image Classification用于高光谱图像分类的可变形卷积神经网络
PREAI
分享收藏
WHU-Hi: UAV-borne hyperspectral with high spatial resolution (H2) benchmark datasets and classifier for precise crop identification based on deep convolutional neural network with CRFWHU-Hi: 无人机高光谱高空间分辨率 (H2) 基准数据集和分类器，用于基于深度卷积神经网络和CRF的精确作物识别
PREAI
分享收藏Dual-Channel Residual Network for Hyperspectral Image Classification With Noisy Labels带噪声标签的双通道残差网络高光谱图像分类
PREAI
分享收藏分享收藏Global-Local 3-D Convolutional Transformer Network for Hyperspectral Image Classification用于高光谱图像分类的全局-局部3-D卷积变换网络
PREAI
分享收藏Spectral-Spatial Morphological Attention Transformer for Hyperspectral Image Classification用于高光谱图像分类的光谱-空间形态学注意变换器
PREAI
分享收藏
查看更多内容