Key points are not available for this paper at this time.
하이퍼스펙트럼 이미지는 스펙트럼 및 공간 정보가 풍부하여 객체에 대한 자세하고 포괄적인 설명을 제공하며, 이는 지능형 농업에서 하이퍼스펙트럼 이미지 분석 기술이 필수적임을 의미합니다. 다양한 옥수수 종자가 유의미한 내부 구조적 차이를 보이기 때문에, 정확한 분류는 재배, 모니터링 및 소비에 중요합니다. 그러나 하이퍼스펙트럼 옥수수 이미지 데이터의 큰 규모와 복잡한 특징으로 인해 기존 방법은 종종 특징 추출 및 활용에서 부족하여 낮은 분류 정확도를 초래합니다. 이 문제를 해결하기 위해 본 논문에서는 하이퍼스펙트럼 옥수수 이미지 분류를 위한 스펙트럴-스페이셜 주의 변환기 네트워크(SSATNet)를 제안합니다. 구체적으로, SSATNet은 3D 및 2D 합성을 활용하여 데이터에서 지역적 공간, 스펙트럼 및 질감 특징을 효과적으로 추출하면서 스펙트럼 및 공간 형태 구조를 통합하여 데이터의 내부 구조를 더 잘 이해합니다. 또한, 크로스 어텐션을 가진 변환기 인코더가 글로벌 관점에서 특징 정보를 추출하고 정제합니다. 마지막으로 분류기가 예측 결과를 생성합니다. 기존 최첨단 분류 방법과 비교할 때, 우리 모델은 하이퍼스펙트럼 옥수수 이미지 데이터셋에서 더 나은 성능을 보여 그 효과iveness를 입증합니다.
Wang et al. (Thu,)는 이 질문을 연구했습니다.