【论文笔记】Spectral-Spatial Attention Network for Hyperspectral Image Classification

H. Sun, X. Zheng, X. Lu and S. Wu, “Spectral–Spatial Attention Network for Hyperspectral Image Classification,” in IEEE Transactions on Geoscience and Remote Sensing, vol. 58, no. 5, pp. 3232-3245, May 2020, doi: 10.1109/TGRS.2019.2951160.

1.贡献点

  首先提出一个由光谱模块和空间模块组成的SSN（Spectral-Spatial Network）网络，然后在其基础上引入attention module，提出SSAN网络。

2.论文细节

  本文对文献的分类综述挺好的，文章思想也很简单。

• SSAN（3D卷积）
  
• Attention module
  Non-local Neural Networks及自注意力机制思考
  感觉这个注意力机制就是Non-local注意力机制啊。
  
• 不同数据集的超参数细节

3.实验

  数据预处理：①最大最小值标准化②减去每个波段的均值（m是光谱维）③数据增强（flip（水平/垂直）;旋转（90,180,270），训练数据变为原来的6倍了）。

  “实验一”：确定spectral module（M）和spatial module（N）的个数。

  “实验二”：确定spectral module后和spatial module后是否采用attention module，spc、spa1、spa2。

  “实验三”：与其他算法（2-D CNN、SMBN、DFFN、DHCNet、SSRN、Spectral module、Spatial module、SSN）的对比实验。patchsize=7；batchsize=100；epoch=200；Adam optimizer；提出算法的学习率lr=0.01，每20epoch后除以2，其他算法按照原文的来；#training samples（IP 10%、UP 2%、SV 2%）。文章不仅展示了分类精度和分类图结果，还展示了不同算法在各个数据集上的训练/测试时间结果。
  “实验四”：提出算法不同patch size的分类精度。

  “实验五”：提出算法不同training ratio的分类精度。

（为啥patchsize不用9 * 9，而要用7 * 7呢，9 * 9精度比较高呀）

4.单词（我认识你，永远记得你）

这篇文章真的是半天就看完了。
今日推荐：生活多美好 It’s a Wonderful Life (1946)
Each man‘s life touches so many other‘s lives.
2020年5月29日15:12:22