少参数高精度
通过低秩张量分解压缩全连接层与卷积核权重，大幅减少模型参数量，同时保持甚至提升高光谱图像分类精度。
李恒超 · Zhi-Xin, Lin · Ma, Tianyu · 赵熙乐 · Plaza, Antonio · Emery, William J.
IEEE Transactions on Geoscience and Remote Sensing 2023
利用低秩全连接张量网络分解（FCTND）设计 FCTN-FC、FCTNConv2D、FCTNConv3D 单元，压缩标准全连接层权重张量和卷积层核张量，显著降低参数量。
在三个常用高光谱数据集上，不同训练样本数量下均取得最优分类性能，证明模型泛化能力强。
混合网络骨干由 FCTNConv3D 和 FCTNConv2D 单元构成，能提取更具判别力的特征，提升分类效果。