基于RNN和多重注意力机制的高光谱图像分类

现今伴随着网络模型的愈加复杂,高光谱图像分类的实时性较差。考虑到高光谱图像本质上是一类序列数据,本文提出LZ-RNN模型,通过引用双向循环神经网络(BRNN)来处理序列数据,减少时间成本。引入多重注意力机制来提升模型的精度,通过三分支捕获跨纬度交互来计算注意力权重。实验表明,本文所提方法在Pavia Centre和Botswana两个数据集上取得优异的效果,与其他主流算法相比,在较短的时间内达到了较高的精度。