论文题目《Deep Learning for Hyperspectral Image Classification: An Overview》 论文作者：Shutao Li, Weiwei Song, Leyuan Fang，Yushi Chen, Pedram Ghamisi，Jón Atli Benediktsson 论文发表年份：2019 一、高光谱简述 高光谱成像是一项重要的遥感技术，它采
5.卷积神经网络（CNN）用于HSI分类任务 CNN可以分为两个结构：特征提取（FE）网络和分类器。本文主要研究三种CNN架构： 谱段CNN 空间CNN 谱段--空间结合CNN A.谱段CNN框架用于HSI分类任务 谱段CNN模型中只考虑\(1D\)谱段信息（\(x_i \in R^B\)）作为输入。 下面列举一些着重从谱段进行研究的论
论文：《Spectral-Spatial Attention Networks for Hyperspectral Image Classification》 1. Motivation 在CNN和RNN中引入attention机制： RNN + attention：学习波谱内部相关性 CNN + attention：关注空间维的显著特征以及相邻像元的空间相关性 2. Structure of Model 总体思
GitHub链接：Hyperspectral-Classification Pytorch。 项目简介 项目的作者是Xidian university，是基于PyTorch的高光谱图像地物目标的分类程序。该项目兼容Python 2.7和Python 3.5+，基于PyTorch深度学习和GPU计算框架，并使用Visdom可视化服务器。 预定义的公开的数据集有： 帕维
