文献阅读记录:Graph Convolutional Networks for Hyperspectral Image Classification

本文主要是介绍文献阅读记录:Graph Convolutional Networks for Hyperspectral Image Classification,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

CNN和GCN的对比

在这里插入图片描述

GCN的相关paper

Shahraki and Prasad [33] proposed to cascade 1-D CNNs and GCNs for HS image classification.
CNN和GCN级联

Qin et al. [34] extended the original GCNs to a second-order version by simultaneouslyconsidering spatial and spectral neighborhoods.
同时考虑空间和频谱邻域,将原始GCN扩展到了二阶版本。

Wan et al. [35]
performed superpixel segmentation on the HS image and fed it into GCN to reduce the computational cost and improve the classification accuracy
对HS图像进行超像素分割并将其输入到GCN中以降低计算成本并提高分类精度

GCN的瓶颈
  1. GCN中的邻接矩阵的存在导致高计算成本。
  2. GCN仅允许全批次网络学习,即一次将所有样本馈入网络。
  3. 基于GCN的经过训练的模型无法预测新的输入样本
本文的贡献
  1. 我们以HS图像分类为重点,系统地分析了CNN和GCN(对比)。
  2. miniGCN的提出,小批量训练,并且可以使用训练后的模型直接推断大规模后加入的样本。
  3. 开发了三种融合方案:additive fusion, elementwise multiplicative fusion,concatenation fusion,在端到端网络中集成CNN和miniGCNs提取的特征。
GCN回顾

1.图的定义顶点是HSI像素,边是顶点之间的similarities.
2. 邻接矩阵的构造

adjacency matrix
在这里插入图片描述
x i , x j 为 光 谱 特 征 , σ 为 R B F 的 宽 度 x_i,x_j为光谱特征,σ为RBF的宽度 xi,xjσRBF
L = D − A , D 度 矩 阵 L=D-A,   D度矩阵 L=DA,  D
symmetric normalized Laplacian matrix ( L s y m ) (L_{sym}) (Lsym)
在这里插入图片描述
  I i d e n t i t y m a t r i x I identity matrix I identity matrix

4. Graph Convolutions in the Spectral Domain
the eigenvectors of L are identical to the basis functions of F
L的特征向量和F的基函数相同

L 的频谱分解
在这里插入图片描述
U = ( u 1 , u 2 , . . . , u n ) U=(u_1,u_2,...,u_n) U=(u1,u2,...,un) is the set of eigenvectors of L
U是正交矩阵 , U U T = E UU^T=E UUT=E,上式变为:
在这里插入图片描述
在这里插入图片描述
切比雪夫多项式拟合 g θ g_θ gθ

在这里插入图片描述
根据上边的(16)式子得到传播规则
在这里插入图片描述

Proposed MiniGCNs

在这里插入图片描述

full graph G with |V|=N on the lable set,construct a random node sampler with a budget M (M《 N)

subraphs:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
s不仅是第s个子图,也是第s个batch
在这里插入图片描述
the graph or adjacency matrix in the obtained batch needs to be reassembled according to the connectivity of G after each sampling.
每次采样后,需要根据G的连通性重新组合获得的批中的图或邻接矩阵。

MiniGCNs Meet CNNs: End-to-End Fusion Networks

additive (A), elementwise multiplicative (M), and concatenation(C )
加法器(A),对应元素相乘(M)和级联(C)
在这里插入图片描述
在这里插入图片描述

这篇关于文献阅读记录:Graph Convolutional Networks for Hyperspectral Image Classification的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/290399

相关文章

Java使用SLF4J记录不同级别日志的示例详解

《Java使用SLF4J记录不同级别日志的示例详解》SLF4J是一个简单的日志门面,它允许在运行时选择不同的日志实现,这篇文章主要为大家详细介绍了如何使用SLF4J记录不同级别日志,感兴趣的可以了解下... 目录一、SLF4J简介二、添加依赖三、配置Logback四、记录不同级别的日志五、总结一、SLF4J

在Spring Boot中浅尝内存泄漏的实战记录

《在SpringBoot中浅尝内存泄漏的实战记录》本文给大家分享在SpringBoot中浅尝内存泄漏的实战记录,结合实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录使用静态集合持有对象引用,阻止GC回收关键点:可执行代码:验证:1,运行程序(启动时添加JVM参数限制堆大小):2,访问 htt

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Spring Boot 配置文件之类型、加载顺序与最佳实践记录

《SpringBoot配置文件之类型、加载顺序与最佳实践记录》SpringBoot的配置文件是灵活且强大的工具,通过合理的配置管理,可以让应用开发和部署更加高效,无论是简单的属性配置,还是复杂... 目录Spring Boot 配置文件详解一、Spring Boot 配置文件类型1.1 applicatio

MySQL INSERT语句实现当记录不存在时插入的几种方法

《MySQLINSERT语句实现当记录不存在时插入的几种方法》MySQL的INSERT语句是用于向数据库表中插入新记录的关键命令,下面:本文主要介绍MySQLINSERT语句实现当记录不存在时... 目录使用 INSERT IGNORE使用 ON DUPLICATE KEY UPDATE使用 REPLACE

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中