نظرًا للفروق البارزة في عدد النطاقات الطيفية ونطاق الطيف والدقة المكانية بين مجموعات بيانات الطيف المختلفة ، فإن الهياكل الشبكية الأمثل لمجموعات بيانات الطيف المختلفة أيضًا مختلفة. بالإضافة إلى ذلك ، يتطلب تصميم الشبكات العميقة التي يقوم الإنسان بتصميمها ضبط عدد كبير من المعلمات الفوقية ، وهذا يعرض تحديًا كبيرًا بلا شك لتصميم نموذج تصنيف عام لمختلف مجموعات بيانات HSI. لذلك ، تقترح هذه الورقة خوارزمية بحث الهياكل العصبية التي تدمج آلية الانتباه الفعالة لتصميم الشبكة العميقة تجنب تحيز تصميم الشبكة البشرية. أولاً ، ومن أجل بناء عملية بحث فعالة ، بنى الورقة هذه على نموذج بحث هيكل الشبكة القابل للتفاضل ، ويمكن أن يحسن هذا الأسلوب بشكل فعال سرعة بحث الشبكة الفوقية. ثم ، ومن أجل تحقيق نتائج تصنيف دقيقة ، صممت الورقة مساحة بحث نموذجية جديدة. أخيرًا ، ونظرًا لمشكلة التصنيف الخاطئ المنجمة من عدم التوازن في فئات مجموعات بيانات الطيف العالي ، اعتمدت الورقة وظيفة الخسارة Poly لزيادة وزن خسارة الفئة القليلة ، وبالتالي زيادة قدرة النموذج على التعرف على هذه الفئات. تشير نتائج التجربة على مجموعات بيانات الطيف العالي العلنية إلى أن دقة التصنيف الإجمالية للورقة قد وصلت إلى 99.50٪ و 97.81٪. تجسست هذه الورقة تطبيق بحث الهياكل العصبية في مهمة تصنيف الطيف العالي ، وقد زيادت دقة التصنيف وكفاءة تصميم الخوارزمية.

hyperspectral image;image classification;neural architecture search;attention mechanism