Core Concepts
提案するS2RC-GCNモデルは、1D-CNNと2D-CNNを組み合わせてスペクトルと空間特徴を抽出し、それらを融合して堅牢なグラフ表現を構築する。さらに、信頼性の高い対照学習を導入することで、より効率的な特徴表現を学習する。これにより、複雑な土地被覆分類タスクにおいて優れた性能を発揮する。
Abstract
本研究では、複雑な土地被覆分類のためのS2RC-GCNモデルを提案した。
1D-CNNと2D-CNNを組み合わせて、ハイパースペクトル画像(HSI)からスペクトルと空間特徴を抽出し、それらを融合する。2D-CNNにはアテンションモデルを導入し、重要な情報を自動的に抽出する。
抽出した高レベル特徴を用いてグラフを構築し、GCNに入力することで、より効果的なグラフ表現を得る。
さらに、信頼性の高い対照学習を提案し、ラベル付きサンプルを活用して堅牢な特徴を学習・融合する。
複雑な土地被覆分類タスクを評価するため、Gaofen-5衛星で撮影されたJiang Xia地域のデータセットを使用した。
実験結果より、提案モデルが他の手法に比べて優れた分類性能を示すことが確認された。
Stats
ハイパースペクトル画像は330バンドで構成され、空間解像度は30mである。
データセットには7つのクラス(採掘地、道路、水域、農地、森林、建設地)が含まれ、合計121,303サンプルがある。