颜色分类leetcode S3EResBoF S3EResBoF在IEEETGRS论文“LightweightSpectral ...

颜色分类leetcode用于高光谱分类的轻量级光谱空间压缩和激励残余特征袋学习。描述我们为HSI分类设计了一个端到端的光谱空间挤压和激励(SE)残余特征袋学习(S3EResBoF)框架，该框架将输入作为原始3D图像立方体而无需工程。它可以通过激励有助于分类的特征图和抑制基于特征图的模式无助的特征图来构建特征码本表示。为了减轻分类性能并学习联合空间光谱特征，每个残差块通过恒等映射函数连接到每个其他3D卷积层，然后是一个SE块，这有助于梯度的反向传播。此外，我们在每个卷积层(ConvBN)上引入批量归一化以正则化网络的收敛性和用于分类的特征袋量化。实验使用五个著名的HSI数据集进行，并与最先进的分类方法进行比较，表明S3EResBoF在分类和计算时间方面都具有竞争力。模型图1用于HSI分类框架的光谱空间挤压和激励残余特征袋(S3EResBoF)学习。第一步是样本提取，其中SxSxB大小的样本是从以目标像素为中心的邻域窗口中提取的。从原始HSI中提取样本后，将它们放入S3EResBoF以提取深层光谱空间特征以计