【论文浅读】《Spectral Pyramid Graph Attention Network for Hyperspectral Image Classification》

创新思想：

这篇文章提出了新的结构称为光谱金字塔图注意网络(Spectral Pyramid Graph Attention Network, SPGAT)，在高光谱图像分类方面解决了两个问题：一个是现有标准的卷积核忽略了数据点之间的内在联系导致区域划分不好，另一个是在高维且有限的数据量在高维光谱域上连续分布的问题。

SPGAT以多个嵌入空间的金字塔形式对多个光谱的信息进行编码，基于谱特征空间连接的图注意机制，在每个嵌入空间中显式地进行可解释推理。

主要原理：

SPGAT的架构。

三维卷积核。

经过二维卷积后的软求和公式。

光谱注意模块。

主要实验结果：

不同算法在the University of Pavia数据集的表现对比。

不同算法在the Indian Pines数据集的表现对比。

不同算法在the Kennedy Space Center数据集的表现对比。

The university of Pavia 数据集下：Groundtruth map、SSLSTMs、SPGAT的对比。

Indian Pines数据集下：Groundtruth map、SSLSTMs、SPGAT的对比。

Kennedy Space Center数据集下：Groundtruth map、SSLSTMs、SPGAT的对比。