Tiefe neuronale Netze stehen bei hyperspektralen Bildern vor mehreren Herausforderungen
Einstufung, einschließlich hochdimensionaler Daten, spärliche Bodenverteilung
Objekte, und spektrale Redundanz, die oft zu einer Klassifizierung führen
Überanpassung und eingeschränkte Generalisierungsfähigkeit. Um sich effizienter anzupassen
Bodenobjektverteilungen beim Extrahieren von Bildmerkmalen ohne Einführung
übermäßige Parameter und das Überspringen redundanter Informationen, Dieses Papier schlägt vor
KANet basiert auf einem verbesserten 3D-DenseNet-Modell, bestehend aus 3D KAN Conv und einem
Adaptiver Rasteraktualisierungsmechanismus. Durch die Einführung eines lernbaren univariaten B-Splines
Funktionen an Netzwerkkanten, konkret durch dreidimensionales Abflachen
Nachbarschaften in Vektoren umwandeln und B-Spline-parametrisierte nichtlineare Methoden anwenden
Aktivierungsfunktionen, um die festen linearen Gewichte des herkömmlichen 3D zu ersetzen
Faltungskerne, Wir erfassen komplexe spektral-räumliche Nichtlinearitäten präzise
Beziehungen in hyperspektralen Daten. Gleichzeitig, durch ein dynamisches Raster
Einstellmechanismus, Wir aktualisieren die Gitterpunktpositionen von adaptiv
B-Splines basierend auf den statistischen Merkmalen der Eingabedaten, optimieren
die Auflösung von Spline-Funktionen, um sie an die ungleichmäßige Verteilung anzupassen
spektrale Merkmale, die Genauigkeit des Modells erheblich verbessert
hochdimensionale Datenmodellierung und Parametereffizienz, effektiv
den Fluch der Dimensionalität lindern. Diese Eigenschaft zeigt
überlegene neuronale Skalierungsgesetze im Vergleich zu herkömmlichen Faltungsneuralen
Netzwerke und reduziert das Risiko einer Überanpassung bei kleinen Stichproben und hohem Rauschen
Szenarien. KANet verbessert die Modelldarstellungsfähigkeit durch eine 3D-Dynamik
Expertenfaltungssystem, ohne die Netzwerktiefe oder -breite zu erhöhen. Der
Die vorgeschlagene Methode zeigt eine überlegene Leistung bei IN, HOCH, und KSC-Datensätze,
übertrifft gängige hyperspektrale Bildklassifizierungsansätze.
Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.
PDF herunterladen: