異なるハイパースペクトルデータセット間でバンド数、スペクトル範囲、空間分解能に顕著な差異があるため、異なるハイパースペクトルデータセットに適した最適なネットワーク構造も異なります。さらに、手動設計された深層学習ネットワークは多数のハイパーパラメータの調整を必要とし、様々なHSIデータセットに対応可能な汎用分類モデルの設計には重大な課題をもたらします。本論文では、効率的な注意機構を組み合わせたニューラルアーキテクチャサーチアルゴリズムを提案し、手動設計ネットワークのバイアスを回避するために深層学習ネットワークの自動設計を実現しました。まず、効率的な探索プロセスを構築するために、微分可能なネットワークアーキテクチャサーチに基づくモデルを構築し、ハイパーパラメータネットワークの探索速度を効果的に向上させました。次に、高精度な分類結果を達成するために、新しいモジュール式探索空間を設計しました。最後に、ハイパースペクトルデータセットのクラス不均衡による誤分類問題を考慮し、Poly損失関数を採用して少数クラスの損失重みを増加させ、モデルのこれらのクラスに対する識別能力を向上させました。公開されたハイパースペクトルデータセット上での実験結果は、本手法の総合的な分類精度がそれぞれ99.50％、97.81％に達したことを示しています。本手法は、ハイパースペクトル分類タスクにおけるニューラルアーキテクチャサーチの応用を探求し、分類精度およびアルゴリズム設計の効率性を向上させました。

ハイパースペクトル画像;画像分類;ニューラルアーキテクチャサーチ;注意機構