Going Deeper with Contextual CNN for Hyperspectral Image Classification

Going Deeper with Contextual CNN for Hyperspectral Image Classification

原文：第二版：https://arxiv.org/pdf/1604.03519.pdf    |       第一版

代码：第一版：https://github.com/nshaud/DeepHyperX

Abstract

本文设计了一个又深又宽的CNN来进行高光谱图像分类，称之为 contextual deep CNN。通过联合相邻像素向量的局部空间-光谱关系来探索局部上下文交互信息。这种对空间-光谱信息的联合式探索是通过多尺度卷积实现的。作者认为将从多尺度卷积组获得的初始空间和光谱特征图组合在一起，就形成了联合的空间光谱特征图。最后将得到的特征图送到一个全卷积网络中。

I. INTRODUCTION

深度学习已经用在高光谱分类中，但是由于数据量少，训练样本不足，无法使用参数量较多的网络。所以，目前使用CNN的方法多是使用小尺度的网络。但是作者认为，使用 large-scale networks 对于提取高维的空间光谱信息是有必要的。作者引入了残差结构（enhance the train efficiency of large scale