UAVHSI-Crop dataset

量子增强Mamba-CNN在作物分析中达到84.83%的准确率

研究人员开发了一种使用高光谱图像进行作物田分析的新颖框架，结合了多尺度卷积神经网络（CNN）和双向Mamba模块。该方法通过融合不同分辨率的信息和对光谱数据中的长距离依赖进行建模，增强了空间-光谱特征学习。该框架还融入了光谱注意力机制和量子启发式学习，以提高准确性并解决类别不平衡和标记样本有限等挑战。在UAVHSI-Crop数据集上的实验表明，该方法达到了84.83%的总体准确率，展示了其在各种遥感应用中的潜力。