1.一种基于空间注意力引导可变卷积的跨域高光谱图像分类方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法,其特征在于:在第一个block-a的末端加入最大池化层maxpool。
3.根据权利要求2所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法,其特征在于:在block-b的末端加入dropout以减小过拟合。
4.根据权利要求3所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法,其特征在于:sad-convnet输入的数据块patch大小为21*21,循环次数epoch设置为20次,运行sad-convnet的主要硬件参数是:cpu:xeon silver 4210r,gpu:gtx-3090,和ram内存:49g。
5.根据权利要求4所述的基于空间注意力引导可变卷积的跨域高光谱图像分类方法,其特征在于:sad-convnet使用pytorch深度学习框架设计网络,初始学习率设置为0.005,使用的优化器为随机梯度下降(sgd)。