图卷积神经网络--Graph Convolutional Networks for Hyperspectral Image Classification
一、文章摘要
卷积神经网络(CNN)由于能够捕捉空间-光谱特征表示,在高光谱(HS)图像分类中受到越来越多的关注。然而,他们对样本之间关系建模的能力仍然有限。除了网格采样的局限性,最近提出了图卷积网络(GCN),并成功地应用于不规则(或非网格)数据的表示和分析。在本文中,我们从HS图像分类的角度对CNN和GCN(定性和定量)进行了深入研究。由于在所有数据上构造邻接矩阵,传统的GCN通常会遭受巨大的计算成本,尤其是在大规模遥感(RS)问题中。为此,我们开发了一种新的小批量GCN(以下称为小批量GCN),它允许以小批量方式训练大规模GCN。更重要的是,我们的miniGCN能够在不重新训练网络和提高分类性能的情况下推断出样本数据。此外,由于CNN和GCN可以提取不同类型的HS功能,打破单一型号性能瓶颈的直观解决方案是将它们融合在一起。由于MiniGCN可以执行分批网络训练(支持CNN和GCN的组合),我们探索了三种融合策略:加法融合、元素乘法融合和级联融合,以测量获得的性能增益。在三个HS数据集上进行的大量实验证明了MiniGCN优于GCN,以及测试的融合策略相对于单个CNN或GCN模型的优越性。
二、文章创新点
1、第一次在调查GCN(与CNN相比)的潜力和缺点。
2、提出了一种新的GCN监督版本:简称miniGCNs。顾名思义,miniGCNs可以以小批量的方式进行训练,试图找到更好、更健壮的局部最优解。与传统的GCN不同,miniGCN不仅能够使用训练集训练网络,而且还允许使用训练模型直接推断大规模样本外的网络。
3、开发了三种融合方案,包括加法融合、元素乘法融合和级联融合,通过在端到端可训练网络中集成从CNN和miniGCNs中提取的特征,在HS图像中获得更好的分类结果。(文章中并未详细解释三种融合方法具体是如何使用的)
三、模型构造
(1)为什么使用图神经网络?
HS图像中短期、中期和长期空间关系如上图所示。CNN倾向于提取局部空间信息,而GCN能够捕获样本之间的中长期空间关系(相似性或不相似性)。 GCN能够借助周围信息对预测点进行更加详细的判断。
(2)图是如何选点的?
示例说明miniGCNs如何从完整图G中采样子图(或批次),旨在以minibatch方式训练网络。实心圆:不同颜色表示高维特征空间中不同类别的光谱特征。虚线框:每个批次的随机抽样区域 。
(3)文章的模型结构
这张图很清楚的说明了实验的模型结构,对于参与训练的点,上面的图卷积神经网络,利用像素进行构造与输出特征,下面的CNN利用像素及其周边的batch学习特征,最后将GCN与CNN学习到的特征通过三种方法进行融合,然后利用全连接层分类。
四、模型结果
这一部分不是重点,就放几张图的表看一下吧。
三种融合方法在三个数据集上的结果各不相同,说明其中并没有最好的方法,只有最合适的融合方法。
五、结论
由于嵌入了图(或拓扑)结构,GCNs可以在高维空间中正确描述HS图像的底层数据结构,但不可避免地会带来一些缺点,例如计算邻接矩阵时存储和计算成本高,梯度爆炸或消失问题(由于全批量网络训练)以及在输入新数据时重新训练这些网络的需要。为了解决这些问题,在本文中开发了一种新的有监督的GCNs版本,称为miniGCNs,它允许我们以小批量的方式训练大规模图形网络。由于其分批式网络训练策略,新提出的miniGCNs更加灵活,因为它们不仅在训练阶段产生较低的计算成本和稳定的局部最优解,而且可以直接预测新的输入样本,即样本外情况,而无需重新训练网络。更重要的是,可训练小批量策略使我们能够联合使用CNN和GCN为HS图像分类任务提取更多多样性和区分性的特征表示。为了利用这一特性,进一步研究了几个融合模块:A、M和C,它们集成了CNN和miniGCNs 以端到端可培训的方式。在三个广泛使用的HS数据集上进行的实验结果表明,与传统GCN相比,我们新提出的微型GCN具有有效性和优越性。此外,FuNet(具有不同的融合策略)已被证明优于使用单一模型(例如CNN和miniGCNs)。未来,我们将研究不同深度网络和我们的MiniGCN的可能组合,并开发更先进的融合模块,例如加权融合,以充分利用HS图像中包含的丰富光谱信息。
TGRS期刊上面利用GCN做高光谱图像分类的文章有很多,还有一篇动态图卷积神经网络也非常值得一看。
图卷积神经网络--Graph Convolutional Networks for Hyperspectral Image Classification相关推荐
- 图卷积网络(Graph Convolutional Networks, GCN)详细介绍
本文翻译自博客. 在这篇博文中会为大家详细地介绍目前使用广泛的图神经网络--图卷积网络(Graph Convolutional Networks, GCN)的相关知识.首先将带领大家直觉上感受其工作原 ...
- 一文秒懂图卷积神经网络Graph Convolutional Network(GCN)——从图信号处理(GSP)到图卷积神经网络详细推导
图卷积神经网络详解 1 为什么会出现图卷积神经网络? 2 图卷积网络的两种理解方式 2.1 vertex domain(spatial domain):顶点域(空间域) 2.2 spectral do ...
- 【GCN】图卷积网络 Graph Convolutional Networks
公众号关注 "视学算法" 设为 "星标",DLCV消息即可送达! 作者 | Frank Cao 专栏 | 深度学习 地址 | https://zhuanlan. ...
- 【2020-COLING】Regularized Graph Convolutional Networks for Short Text Classification 用于短文本分类的正则化图卷积网络
文章目录 摘要 1 引言 2 提出的方法 3 图构建 3.1 产品查询分类PQC 3.2 4 实验和结果 5 结论 论文题目:Regularized Graph Convolutional Netwo ...
- 2018_WWW_Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification
[论文阅读笔记]2018_WWW_Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification-(T ...
- 21.Selective Attention Based Graph Convolutional Networks for Aspect-Level Sentiment Classification阅
21.Selective Attention Based Graph Convolutional Networks for Aspect-Level Sentiment Classification阅 ...
- 从文本分类来看图卷积神经网络
" 图神经网络火了这么久,是时候掌握它了." 本文包括以下内容,阅读时间10min 图神经网络是什么意思 文本如何构建图 图卷积神经网络 源代码实现 图卷积神经网络最新进展 ...
- gcn 图卷积神经网络_复制一文读懂图卷积GCN
首发于郁蓁的机器学习笔记 写文章 一文读懂图卷积GCN 苘郁蓁 阿里巴巴 算法工程师 关注她 唯物链丶.小小将等 480 人赞同了该文章本文的内容包括图卷积的基础知识以及相关辅助理解的知识点,希 ...
- 【GCN】从文本分类来看图卷积神经网络
01 - "图神经网络"是什么 过去几年,神经网络在机器学习领域大行其道.比如说卷积神经网络(CNN)在图像识别领域的成功以及循环神经网络(LSTM)在文本识别领域的成功.对于图像 ...
最新文章
- JMeter3.0 post参数/BeanShell中文乱码问题
- Oracle 杀死session的方法
- linux fedora安装flameshot火焰截图
- 为什么写Java程序需要接口
- gRPC in ASP.NET Core 3.x -- Protocol Buffer, Go语言的例子(下)
- 前端开发技术:HTML5 JS 前端开发主要功能!
- 继承Thread类的方式创建多线程
- xen-tools创建虚拟机找不到root fs的解决办法
- mysql 表中中文不显示
- javascript--Date
- 读书笔记 之《Thinking in Java》(对象、集合、异常)
- java-idea-常用的快捷键
- 如何寻找、下载期刊投稿的LaTeX模板
- Windows socket之IO完成端口(IOCP)模型开发
- KMplayer附加音轨设置及影音同步问题
- Mac环境下Android一键自动打包发布到蒲公英平台
- 信号完整性(概念一览表)
- Maven中央仓库地址(实用版)
- 2014科技十大名词——如果之前你不知道,证明你是行外人,如果你只是听说,证明你只是是爱好者
- 控制用计算机论文,计算机在自动控制技术实践中的应用分析
热门文章
- PYTHON鸡兔同笼求解神器1.0
- Evasion Techniques and Breaching Defenses by Offensive Security学习笔记
- python外汇兑换计算器_Python 3.2版本下实现简单的个人理财计算器(存款)脚本
- 完全用linux办公(一)
- 记录篇---实习成长
- CSDN个人相册功能
- 《星球大战前传III-西斯的复仇》AMD活动,中联想先锋电脑一台
- 从零开发一个定制版音乐播放器,女朋友不就有了吗?
- 手机连上WiFi后自动弹出页面原理探究及使用8266实现
- POJ 3579 Median