【摘 要】
：
考虑到高光谱图像训练样本数量有限以及光谱维度高对分类精度的影响，本文提出了结合动态卷积和三重注意力机制（Triplet Attention）的高光谱分类方法。该方法首先采用主成分分析去除光谱冗余，然后输入改进的残差网络中。其次，在残差网络中引入动态卷积，利用动态卷积核提取深度精细化特征，并利用Triplet Attention模型实现跨维度信息交互，关注更重要的高光谱空谱特征，降低无用信息的影响。
论文部分内容阅读
考虑到高光谱图像训练样本数量有限以及光谱维度高对分类精度的影响，本文提出了结合动态卷积和三重注意力机制（Triplet Attention）的高光谱分类方法。该方法首先采用主成分分析去除光谱冗余，然后输入改进的残差网络中。其次，在残差网络中引入动态卷积，利用动态卷积核提取深度精细化特征，并利用Triplet Attention模型实现跨维度信息交互，关注更重要的高光谱空谱特征，降低无用信息的影响。最后使用Softmax全连接层实现对高光谱图像的分类。在Pavia University、Kennedy
其他文献
CFRP/Al蜂窝结构在制备和长期服役过程中易产生脱粘、分层、积水等缺陷，因此采用红外热波无损检测技术对其状态进行检测尤为重要。在采集CFRP/Al蜂窝结构缺陷红外热图像序列的过程中，存在着较大的背景噪声，容易产生对缺陷的检测效率低、对比度差等问题。为了提高缺陷检测效果，采用主成分分析算法对去除背景后的红外图像序列进行缺陷特征信息降维处理，有效滤除红外图像序列中的不均匀背景噪声。结合多结构形态学和
To enhance the segmentation performance and robustness of kernel weighted fuzzy local information C-means clustering (KWFLICM) for image segmentation in the presence of high noise， an improved KWFLICM
海洋波浪会对船舶营运和安全产生不利影响,实时准确的随船海浪监测对绿色智能船舶及航行安全至关重要.利用船舶运动反演遭遇海浪信息是一种重要的随船海浪监测手段,具有成本低、时空分辨率高等诸多优点,受到广泛关注.针对现有船舶运动反演海浪模型存在的不足,提出了一种基于人工神经网络(Artificial Neural Network, ANN)的反演模型.以船舶摇荡运动时历作为输入,以波浪时历作为输出,利用人
为提高视觉惯性导航系统在弱纹理环境下的鲁棒性和精度，本文结合特征点法精度高和光流法速度快的特点以及惯性信息，提出了一种多尺度均匀化光流融合特征点法的视觉-惯性SLAM方法。首先，改进ORB特征提取过程，采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点，提高特征分布离散性；其次，在帧间采用LK光流法追踪特征点进行帧间的数据关联，在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的
水下滑翔机是一种浮力驱动的无人水下自治观探测平台，它具备持续性、鲁棒性、自主性等特点，是构建海洋观测技术体系重要的水下航行器之一。文章从水下滑翔机发展历程、运行方式和专用传感器展开，详细介绍水下滑翔机，基于国内外海洋学文献综述研究，重点对水下滑翔机在典型海洋现象观测应用方面进行总结。水下滑翔机的运行稳定性、长时续，观测高分辨率、低成本的特点，满足对海洋中尺度涡、内波、湍流、环流/边界流和锋面的长时
土壤盐渍化是植物生长发育过程面临的主要非生物胁迫之一。植物激素脱落酸（ABA）在植物应对盐胁迫过程中发挥重要作用。新近研究发现，分子伴侣信号路径HSP/HSFs多个成员、表观遗传修饰也与植物应对盐胁迫密切相关。本文对ABA信号路径，及其与分子伴侣信号路径以及表观遗传修饰协同调控植物盐胁迫应答机制进行综述，以期为植物应答盐等逆境胁迫研究提供新思路。
光照会影响胚芽鞘中生长素的含量及其对生长素的敏感性,从而影响胚芽鞘的生长。温特的燕麦胚芽鞘实验是联系光照与生长素关系的重要例证,当用相同浓度的外源生长素处理去掉尖端的胚芽鞘的一侧时,其弯曲角度与环境条件中的光照条件的关系如何?本文对该问题以及去除胚芽鞘尖端后内源生长素的变化与生长的关系进行了文献概述。
针对目前野外环境下蝴蝶分类粒度细致,现有模型对其识别效率底、精度差问题,以野外蝴蝶图像的种类自动识别为目标,在自建混合数据集基础上,对YOLOv3模型的主干网络进行了改进,提出一种内嵌通道注意力MultiSE1D识别网络。该网络使用多尺度提取高维特征,使网络具有多种感受野,更好地关注了蝴蝶众多子类间、周围环境间存在的局部细微差异;并使用一维卷积代替压缩激励层,避免通道特征降维的同时,有效降低模型参
为有效利用机器视觉技术实现对电力作业人员穿戴规范进行准确识别，减少安全事故的发生，构建一种基于姿态感知的穿戴规范识别复合残差网络。该复合网络首先将VGG与STA模块引入残差网络中，构建高性能的ResNeXt50基础网络模块。对ResNeXt50网络不同层次的残差特征图进行聚合与解码处理，实现对人体姿态的估计与关键区域的定位。将CBAM模块集成到ResNeXt50网络相邻卷积层之间，以提高目标特征的
行人外观属性是区分行人差异的重要语义信息。行人属性识别在智能视频监控中有着至关重要的作用，可以帮助我们对目标行人进行快速的筛选和检索。在行人重识别任务中，可以利用属性信息得到精细的特征表达，从而提升行人重识别的效果。文中尝试将行人属性识别与行人重识别相结合，寻找一种提高行人重识别性能的方法，进而提出了一种基于特征定位与融合的行人重识别框架。首先，利用多任务学习的方法将行人重识别与属性识别结合起来，