国产v亚洲v天堂无码久久无码_久久久久综合精品福利啪啪_美女扒开尿口让男人桶_国产福利第一视频在线播放_滨崎步无码AⅤ一区二区三区_三年片免费观看了_大屁股妇女流出白浆_泷川苏菲亚无码AV_我想看我想看一级男同乱伦_国产精品午夜福利免费视频,gogo国模全球大胆高清摄影图,2008门艳照全集视频,欧美午夜在线精品品亚洲AV中文无码乱人伦在线播放

近日,，課題組亓林老師和碩士生岳夢伊,，在遙感鄰域主流期刊IEEE GRSL發(fā)表了題為“Deep Attention-Guided Spatial–Spectral Network for Hyperspectral Image Unmixing”的學術(shù)論文。

基于深度學習的方法在高光譜圖像解混中被廣泛應(yīng)用,，尤其是最近無監(jiān)督自編碼器網(wǎng)絡(luò)在高光譜圖像解混中取得了出色的表現(xiàn),。盡管一些現(xiàn)有的解混方法考慮了空間信息,，但空間結(jié)構(gòu)的利用還不夠有效。在這篇論文中,，我們提出了一種用于高光譜圖像解混的深度注意力引導的空間-光譜網(wǎng)絡(luò)（Deep Attention-Guided Spatial–Spectral Network）,，稱為DASS-Net。我們設(shè)計了一個鄰域空間注意力模塊,，其中,，中心像素的豐度特征動態(tài)加權(quán)了鄰域像素的粗粒度特征。此外,，我們還引入了雙門控機制進一步整合空間和光譜信息,。實驗結(jié)果表明，DASS-Net在端元提取方面性能優(yōu)異,，顯著優(yōu)于當前主流方法,。

論文鏈接：https://ieeexplore.ieee.org/abstract/document/10371391