双重关注U形卷积变换器

分类精度领先

通过分组卷积与双重自注意力协同提取光谱-空间特征，在高光谱图像分类中优于现有方法。

Qin, Ruiru · Wang, Chuanzhi · Yongmei, Wu · Du, Huafei · 吕明云

Remote Sensing 2024

技术优势

全局局部兼顾

通过分组卷积提取局部细节，同时利用多头自注意力建立全局交互，避免单一机制的信息丢失。

性能优于现有

在三个公开数据集上的实验表明，该模型优于其他对比方法。

可解释性强

模型提供可视化解释，能够展示其建立全局交互和捕获像素级依赖的能力。

应用场景

• 遥感图像分类：提升遥感影像分类精度，适用于土地覆盖制图。
• 高光谱图像处理：高效处理高光谱数据，提取光谱-空间联合特征。
• 精准农业：辅助作物精细分类与长势监测。
• 环境监测：用于环境变化检测与生态评估。