مُعدِّل مُتعدد الطيف-المكاني القائم على الانتباه وذو نواة مُتعدِّدة الطبقات لتصنيف الصور ذات الطيف الفائق

تُقدّم الصور فوق الطيفية (HSIs) معلومات غنية حول الطيف والمكان من خلال تراكيب مئات الشبكات الضيقة المتتالية. نظرًا لوجود الضوضاء والارتباط بين القنوات، يُعد اختيار ميزات الطيف والمكان التمييزية تحديًا كبيرًا. وغالبًا ما يتم معالجة هذه المشكلة باستخدام الشبكات العصبية التلافيفية (CNNs) التي تعتمد على مجال استقبال (RF) ذي حجم ثابت. ومع ذلك، فإن هذه الحلول لا تسمح للخلايا العصبية بتعديل حجم مجال الاستقبال والاعتماديات عبر القنوات بشكل فعّال عند استخدام التمرير الأمامي والعكسي لتحسين الشبكة. في هذا المقال، نقدّم شبكة محسّنة قائمة على الانتباه لاستخلاص نواة طيفية-مكانية تكيفية (A²S²K-ResNet) مع انتباه طيفي، لاستخلاص ميزات طيفية-مكانية تمييزية لتصنيف الصور فوق الطيفية بطريقة تدريب متكاملة (end-to-end). وبشكل خاص، تتعلم الشبكة المقترحة نوى تلافيفية ثلاثية الأبعاد قابلة للتحديد لاستخلاص ميزات الطيف والمكان معًا باستخدام كتل ResBlocks ثلاثية الأبعاد المحسّنة، وتُطبّق آلية إعادة تكييف الميزات الفعّالة (EFR) لتعزيز أداء التصنيف. أُجريت تجارب واسعة على ثلاث مجموعات بيانات فوق طيفية معروفة، وهي IP وKSC وUP، وأظهرت نتائج الشبكة المقترحة تفوقًا في دقة التصنيف الشاملة (OA) والدقة المتوسطة (AA) ومؤشر كابا مقارنة بالأساليب الحالية. سيتم نشر الشفرة المصدرية على الرابط التالي: https://github.com/suvojit-0x55aa/A2S2K-ResNet.