改進(jìn)Res2Net和注意力機(jī)制的高光譜圖像分類

摘要： 針對(duì)目前以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為框架的高光譜圖像分類模型參數(shù)量多，訓(xùn)練時(shí)間長，對(duì)樣本數(shù)量依賴性大的問題，提出了一種改進(jìn)Res2Net和注意力機(jī)制的高光譜圖像分類模型。該模型首先使用主成分分析（PCA）對(duì)原始圖像的通道維度進(jìn)行降維，將降維后的數(shù)據(jù)輸入三維空洞卷積層，并添加空間注意力模塊以強(qiáng)化空間紋理特征；將所得特征映射輸入兩組空間-深度可分離殘差結(jié)構(gòu)結(jié)合通道注意力模塊中，使用全...