基于多注意力融合的高光谱图像分类方法、装置和设备

本申请涉及一种基于多注意力融合的高光谱图像分类方法、装置和设备，该方法通过从P、I、D三条职责互补的分支渐进的从多个尺度有效地提取了空间‑光谱和跨光谱特征信息，同时通过三分支框架同时提取特征来增强模型提取上下文信息的能力，显著减少了无关和局部特征的损失。此外，多注意力分支融合模块，该模块对不同尺度的处理结果进行特征堆叠，并选择最合适的注意力机制进行特征吸收，有效地增强了特征重用能力，缓解了模型深度增加造成的特征丢失问题。本方法与传统机器学习方法和优秀深度学习方法相比，始终能够取得更高的分类准确性。