Core Concepts
고분광 영상의 공간적 관계와 스펙트럼 정보를 효율적으로 모델링하여 정확하고 효율적인 토지 피복 분석을 수행한다.
Abstract
이 논문은 고분광 영상 분류를 위한 새로운 모델인 S2Mamba를 제안한다. S2Mamba는 두 가지 선택적 구조화된 상태 공간 모델을 통해 공간적 관계와 스펙트럼 정보를 추출한다.
공간 정보 추출을 위해 Patch Cross Scanning 모듈을 사용하여 인접 픽셀 간 상호작용을 모델링한다. 스펙트럼 정보 추출을 위해 Bi-directional Spectral Scanning 모듈을 사용하여 연속적인 스펙트럼 밴드 간 의미 정보를 탐색한다.
이 두 가지 특징을 최적으로 융합하기 위해 Spatial-spectral Mixture Gate를 제안한다. 이 게이트는 각 위치에 대해 공간 및 스펙트럼 특징의 융합 비율을 동적으로 조절하여 중복되거나 불필요한 특징을 제거한다.
실험 결과, S2Mamba는 기존 최신 방법들에 비해 인디언 파인, 파비아 대학교, 휴스턴 2013 데이터셋에서 각각 97.92%, 97.81%, 93.36%의 우수한 전체 정확도를 달성했다. 또한 매개변수 수가 가장 적은 효율적인 모델 구조를 가지고 있다.
Stats
인디언 파인 데이터셋에서 S2Mamba는 97.92%의 전체 정확도를 달성하여 기존 최신 방법 대비 0.86% 향상되었다.
파비아 대학교 데이터셋에서 S2Mamba는 97.81%의 전체 정확도를 달성하여 기존 최신 방법 대비 6.74% 향상되었다.
휴스턴 2013 데이터셋에서 S2Mamba는 93.36%의 전체 정확도를 달성하여 기존 최신 방법 대비 2.56% 향상되었다.
Quotes
"S2Mamba는 공간적 관계와 스펙트럼 정보를 효율적으로 모델링하여 정확하고 효율적인 토지 피복 분석을 수행한다."
"S2Mamba는 기존 최신 방법들에 비해 매개변수 수가 가장 적은 효율적인 모델 구조를 가지고 있다."