典型文献
联合空谱信息的高光谱影像深度Transformer网络分类
文献摘要：
卷积神经网络中的局部卷积运算无法对高光谱影像中的全局语义信息进行充分学习,因此,基于Transformer模型设计了一种新颖的深度网络模型,以进一步提高高光谱影像分类精度.首先,利用主成分分析方法对高光谱影像进行降维处理,并选取像素周围邻域数据作为输入样本,以充分利用影像中的空谱联合信息;然后,利用卷积层将输入样本转换为序列特征向量;最后,利用构建的深度Transformer网络进行分类.Transformer模型中的多头注意力机制能够充分利用丰富的判别性信息.试验表明,与现有卷积神经网络模型相比,文章方法能够获得更为优异的分类性能.
文献关键词：
高光谱影像分类;Transformer;深度学习;自注意力机制
中图分类号：
作者姓名：
张鹏强;高奎亮;刘冰;谭熊
作者机构：
中国人民解放军战略支援部队信息工程大学,郑州 450001
文献出处：
引用格式：
[1]张鹏强;高奎亮;刘冰;谭熊-.联合空谱信息的高光谱影像深度Transformer网络分类)[J].自然资源遥感,2022(03):27-32
A类：
B类：
Transformer,局部卷积,卷积运算,全局语义信息,模型设计,深度网络模型,高光谱影像分类,分类精度,主成分分析方法,降维处理,像素,邻域,空谱联合,卷积层,序列特征,特征向量,多头注意力机制,判别性,卷积神经网络模型,分类性能,自注意力机制
AB值：
0.296906
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
