PulseAugur
中
实时 10:11:21
English(EN) PNEC-Mamba: Prototype-Guided Positive-Negative Evidence Calibration for Hyperspectral Image Classification

新的PNEC-Mamba框架提高了高光谱图像分类的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种用于高光谱图像分类的新型框架PNEC-Mamba，该框架侧重于像素级别的证据可靠性校准。该方法通过建立动态类原型和像素-原型竞争机制来区分区分性证据和干扰信息。然后，该框架估计像素级别的可靠性，以选择性地校准不确定区域，并以全分辨率一致性精炼预测以保留空间细节。在基准数据集上的实验表明，PNEC-Mamba的性能优于现有的最先进方法。 AI

影响 通过关注证据可靠性，引入了一种提高高光谱图像分类准确性的新方法。

排序理由 详细介绍高光谱图像分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PNEC-Mamba框架提高了高光谱图像分类的准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mingzhen Xu, Can Xu, Di Wang, Haonan Guo, Bo Du ·

    PNEC-Mamba: Prototype-Guided Positive-Negative Evidence Calibration for Hyperspectral Image Classification

    arXiv:2608.01910v1 Announce Type: new Abstract: In real-world hyperspectral scenes, pixel representations are often ambiguous due to factors such as spectral similarity, mixed pixels, and local context interference, which may simultaneously encode discriminative evidence and inte…

相关话题