Scidown文献预览系统！
用于高光谱图像分类的改进Transformer网络( Improved Transformer Net for Hyperspectral Image Classification )
Y Qing W Liu L Feng W Gao
近年来，深度学习被成功地应用于高光谱图像分类(HSI)问题，几种基于卷积神经网络(CNN)的模型取得了令人瞩目的分类性能。然而，由于高光谱数据的多波段特性和数据冗余性，使得CNN模型在连续数据域中的性能较差。因此，在本文中，我们提出了一个端到端的变压器模型，称为SAT Net，它适合于HSI分类，并依赖于自关注机制。该模型分别利用光谱关注机制和自关注机制来提取HSI图像的光谱-空间特征。最初，原始HSI数据在通过光谱关注模块后被重新映射成包含一系列平面2D贴片的多个向量。在每个向量上，我们进行线性变换压缩，得到序列向量长度。在此过程中，我们加入了位置编码向量和可学习嵌入向量来管理远距离HSI中连续频谱关系的捕获。然后，采用多个多头自关注模块提取图像特征，并用残差网络结构完成所提出的网络，解决梯度离散和过拟合问题。最后，我们使用多层感知器进行HSI分类。我们在三个公开的高光谱数据集上对SAT Net进行了评估，并利用总体分类精度和平均分类精度以及Kappa系数等指标对现有的五种分类方法的分类性能进行了挑战。我们的试验表明，SAT网络达到了一个竞争性分类，突出了一个自注意变压器网络，并对HSI分类有吸引力。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown BRD4抑制和FXR激活单独对胆汁淤积有益，联合使用则具有拮抗作用下载
scidown 苯甲酸自由基脱羧碳金属化:芳香脱羧氟化的一种解决方案下载