論文の概要: MixerCA: An Efficient and Accurate Model for High-Performance Hyperspectral Image Classification

• arxiv url: http://arxiv.org/abs/2604.26138v1
• Date: Tue, 28 Apr 2026 21:53:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.17998
• Title: MixerCA: An Efficient and Accurate Model for High-Performance Hyperspectral Image Classification
• Title（参考訳）: MixerCA:高性能ハイパースペクトル画像分類のための効率的かつ高精度なモデル
• Authors: Mohammed Q. Alkhatib, Ali Jamali,
• Abstract要約: 本稿では,ハイパスペクトル画像(HSI)分類のための新しい軽量モデルであるMixerCAを提案する。 奥行きの畳み込み、トークンとチャネルの混合を統合し、空間とチャネルの相互作用を分離する統一された構造に注意を向ける。 4つのハイパースペクトルベンチマークデータセットの実験により、MixerCAのいくつかの競合するアルゴリズムに対する明確なアドバンテージが明らかになった。
• 参考スコア（独自算出の注目度）: 6.875312133832078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the past decade, hyperspectral image (HSI) classification has drawn considerable interest due to HSIs' ability to effectively distinguish terrestrial objects by capturing detailed, continuous spectral information. The strong performance of recent deep learning techniques in tasks like image classification and semantic segmentation has led to their growing use in HSI classification, due to their ability to capture complex spatial and spectral features more effectively than traditional methods. This paper presents MixerCA, a novel lightweight model for HSI classification that leverages depthwise convolution and a self-attention mechanism. MixerCA integrates depth-wise convolutions, token and channel mixing, and coordinate attention into a unified structure to decouple spatial and channel interactions, maintain consistent resolution throughout the network, and directly process HSI patches. Extensive experiments on four hyperspectral benchmark datasets reveal MixerCA's clear advantages over several competing algorithms, including 2D-CNN, 3D-CNN, Tri-CNN, HybridSN, ViT, and Swin Transformer. The source code is publicly available at https://github.com/mqalkhatib/MixerCA.
• Abstract（参考訳）: 過去10年間で、高スペクトル画像(HSI)分類は、詳細で連続的なスペクトル情報をキャプチャすることで、地球上の物体を効果的に識別する能力のために、かなりの関心を集めてきた。 画像分類やセマンティックセグメンテーションといったタスクにおける近年のディープラーニング技術の強いパフォーマンスは、従来の手法よりも複雑な空間的特徴とスペクトル的特徴を効果的に捉える能力によって、HSI分類に利用されつつある。 本稿では,HSI分類のための新しい軽量モデルであるMixerCAについて述べる。 MixerCAはディープワイドな畳み込み、トークンとチャネルの混合を統合し、空間とチャネルの相互作用を分離する統一された構造に注意を集中させ、ネットワーク全体にわたって一貫した解像度を維持し、HSIパッチを直接処理する。 4つのハイパースペクトルベンチマークデータセットに対する大規模な実験により、2D-CNN、3D-CNN、Tri-CNN、HybridSN、ViT、Swin Transformerといった競合するアルゴリズムに対するMixerCAの明確なアドバンテージが明らかになった。 ソースコードはhttps://github.com/mqalkhatib/MixerCAで公開されている。

関連論文リスト

• A Synergistic CNN-Transformer Network with Pooling Attention Fusion for Hyperspectral Image Classification [10.687430702802608]
  ハイパースペクトル画像(HSI)分類では、各画素は特定の土地被覆カテゴリまたは材料に分類される。 近年,マルチスケール・ビジョン・トランスフォーマー (ViT) を応用し,スペクトル特性の捕捉と有望な結果の獲得に役立てている。 本稿では,HSI分類のためのプール型アテンションフュージョンを用いたシナジスティックCNN-Transformerネットワークを提案する。
  論文  参考訳（メタデータ） (2026-04-26T09:30:27Z)
• Hyperspectral Image Classification using Spectral-Spatial Mixer Network [2.538209532048867]
  本稿では,高スペクトル画像(HSI)分類のための軽量かつ効果的なディープラーニングモデルであるSS-MixNetを紹介する。 このアーキテクチャは、局所スペクトル空間特徴抽出のための3次元畳み込み層と、2つの並列スタイルミキサーブロックを統合する。 QUH-TangdaowanとQUH-Qingyunのデータセット上で、ラベル付きデータのわずか1%を用いてモデルを評価する。
  論文  参考訳（メタデータ） (2025-11-19T18:48:52Z)
• 3D-Convolution Guided Spectral-Spatial Transformer for Hyperspectral Image Classification [12.729885732069926]
  視覚変換器(ViT)は畳み込みニューラルネットワーク(CNN)よりも有望な分類性能を示した ViTはシーケンシャルなデータを出力するが、CNNのようなスペクトル空間情報を抽出することはできない。 HSI分類のための3次元畳み込み誘導スペクトル空間変換器(3D-ConvSST)を提案する。
  論文  参考訳（メタデータ） (2024-04-20T03:39:54Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images [73.01141916544103]
  ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。 まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。 次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
  論文  参考訳（メタデータ） (2024-03-04T07:40:55Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• Learning A 3D-CNN and Transformer Prior for Hyperspectral Image Super-Resolution [80.93870349019332]
  本稿では,CNN の代わりに Transformer を用いて HSI の事前学習を行う新しい HSISR 手法を提案する。 具体的には、まず勾配アルゴリズムを用いてHSISRモデルを解き、次に展開ネットワークを用いて反復解過程をシミュレートする。
  論文  参考訳（メタデータ） (2021-11-27T15:38:57Z)
• Hyperspectral Image Classification with Spatial Consistence Using Fully Convolutional Spatial Propagation Network [9.583523548244683]
  深部畳み込みニューラルネットワーク(CNN)は、高スペクトル画像(HSI)を表現できる印象的な能力を示している 本稿では,HSI分類のための新しいエンドツーエンドの画素間完全畳み込み空間伝搬ネットワーク(FCSPN)を提案する。 FCSPNは3次元完全畳み込みネットワーク(3D-FCN)と畳み込み空間伝播ネットワーク(CSPN)からなる。
  論文  参考訳（メタデータ） (2020-08-04T09:05:52Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)
• Hyperspectral Classification Based on 3D Asymmetric Inception Network with Data Fusion Transfer Learning [36.05574127972413]
  私たちはまず、3D非対称なインセプションネットワークであるAINetを提供し、過度に適合する問題を克服します。 HSIデータの空間的コンテキストに対するスペクトルシグネチャの強調により、AINetはこの機能を効果的に伝達し、分類することができる。
  論文  参考訳（メタデータ） (2020-02-11T06:37:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。