SAS-BERT高光谱分类模型

空间增强序列建模

通过空间增强学习模块和光谱相关模块，更有效地利用高光谱图像的空间和光谱信息。

Yuanyuan, Zhang · 保文星 · 梁红博 · Yanbo, Sun

Optical Engineering 2023

技术优势

空间和光谱都用上

空间增强模块在输入前提取更显著的空间特征，光谱相关模块建立波段与空间的关联，分类更准。

长程依赖也抓住

基于BERT的架构能捕捉高光谱元素间的长程相关性，突破局部感受野限制。

三数据集都更准

在三个数据集上的实验结果均优于对比方法，验证了改进的有效性。

应用场景

• 高光谱图像分类：更准地识别高光谱图像中的地物类别，替代传统分类器。
• 遥感图像分析：用于遥感场景下的精细地物解译，提升制图精度。
• 目标检测与识别：在高光谱图像中定位并识别特定目标，如军事或环境监测目标。
• 机器人视觉感知：为机器人提供高光谱视觉分类能力，辅助复杂环境感知。