一种新的 CNN-Transformer 方法中基于门控 - 移位 - 融合机制的高光谱图像分类增强
原文中文，约500字，阅读约需2分钟。发表于：。本文介绍了一种包括两个卷积块、一个 Gate-Shift-Fuse（GSF）块和一个 transformer 块的高光谱图像分类模型，通过在局部特征提取方面利用 CNN 的优势以及在远程上下文建模方面利用 transformer 的优势，该模型提供了对高层语义特征的提取能力。同时，提出了一个强化局部和全局空间 - 光谱特征提取的 GSF...
本研究通过使用特定块大小的HSI立方体提取中心像素的空间-光谱特征表示，探讨了记录到的场景特定但非必要的相关性。同时提出了多视图变换器用于HSI分类，包括MPCA、SED和SPTT。实验结果表明，该变换器在三个HSI数据集上表现出优越性能。
