Rede de Mecanismo de Multi-Atenção de Duas Ramificações para Classificação de Imagens Hiperespectrais

Recentemente, a classificação de Imagens Hiperespectrais (HSI) tem recebido gradualmente mais atenção de pesquisadores. A HSI possui abundante informação espectral e espacial; portanto, como fundir esses dois tipos de informação ainda é um problema que vale a pena estudar. Neste artigo, para extrair características espectrais e espaciais, propomos uma rede de mecanismo de Multi-Atenção de Duas Ramificações (DBMA) para classificação de HSI. Esta rede tem duas ramificações para extrair características espectrais e espaciais, respectivamente, o que pode reduzir a interferência entre os dois tipos de características. Além disso, em relação às diferentes características dessas duas ramificações, dois tipos de mecanismo de atenção são aplicados nas duas ramificações, o que garante a extração de características espectrais e espaciais mais discriminativas. As características extraídas são então fundidas para classificação. Muitos resultados experimentais em três conjuntos de dados hiperespectrais mostram que o método proposto se desempenha melhor do que o estado da arte.