कैप्स-ट्रिपलजीएएन: हाइपरस्पेक्ट्रल इमेज क्लासिफिकेशन के लिए जीएएन-सहायता प्राप्त कैप्सनेट

हाइपरस्पेक्ट्रल इमेजरी की स्पेक्ट्रल और स्पैटियल जानकारी में वृद्धि वर्गीकरण में चुनौतियां पेश करती है, क्योंकि स्पेक्ट्रल बैंड अत्यधिक सहसंबंधित होते हैं, प्रशिक्षण नमूने सीमित हो सकते हैं, और उच्च रिज़ॉल्यूशन आंतरिक वर्ग भिन्नता और वर्गों के बीच समानता को बढ़ा सकता है। इस पेपर में, इन समस्याओं को बेहतर तरीके से संभालने के लिए, कैप्स-ट्रिपलजीएएन फ्रेमवर्क प्रस्तावित किया गया है, जिसमें सैंपल उत्पन्न करने के लिए 1-डी संरचना ट्रिपल जनरेटिव एडवर्सेरियल नेटवर्क (ट्रिपलजीएएन) का अन्वेषण किया गया है और हाइपरस्पेक्ट्रल इमेज क्लासिफिकेशन के लिए कैप्सनेट का एकीकरण किया गया है। इसके अतिरिक्त, कैप्स-ट्रिपलजीएएन फ्रेमवर्क की सीखने की क्षमता और भेदभावात्मक योग्यता को सत्यापित करने के लिए स्पैटियल जानकारी का उपयोग किया गया है। तीन वास्तविक हाइपरस्पेक्ट्रल डेटा सेट के साथ प्राप्त प्रयोगात्मक परिणाम पुष्टि करते हैं कि प्रस्तावित विधि अधिकांश अत्याधुनिक विधियों से बेहतर प्रदर्शन करती है।