Multi-head Spatial-Spectral Mamba for Hyperspectral Image Classification
MHSSMamba提出了一种名为多头空间光谱Mamba的方法,用于高光谱图像分类。该方法通过增强光谱标记和应用多头自注意力机制来捕获复杂的光谱带与空间位置之间的关系,从而在高光谱图像分类任务中表现出色。相较于传统的Mamba模型,该方法不仅提升了计算效率并捕获了长距离依赖关系,还能处理HSI中丰富的光谱信息以及高维和序列数据。此外,MHSSMamba还保留了跨光谱带的上下文信息,并有效地管理长距离依赖关系和HSI数据的序列性。在帕维亚大学、休斯顿大学、萨利纳斯和武汉龙口数据集上进行实验验证时,MHSSMamba展现出优秀的分类准确率分别为97.62%、96.92%、96.85% 和 99.49%。
核心方法:Multi-Head Self-attention + Mamba
个人评价:感觉怪怪的,Mamba本身就是解决self-attention的问题,为什么要两个串联使用?