lierererniu/rssan-hyperspectral-image

Residual Spectral–Spatial Attention Network for Hyperspectral Image Classification

RSSAN-Hyperspectral-Image

Residual Spectral–Spatial Attention Network for Hyperspectral Image Classification 2020 IEEE TGRS

10.1109/TGRS.2020.2994057

https://ieeexplore.ieee.org/abstract/document/9103247

论文代码复现

The pytorch framework used in this code. Instead of the TensorFlow framework used in the article, modify it yourself if necessary.

本代码采用的pytorch框架。而不是文章采用的TensorFlow框架，如有需要自行修改。
RSSAN-Hyperspectral-Image
--Dateset
--function
--model
--resulit
--main.py
--README.md
--train.log

environment：
python 3.8.5
numpy 1.19.2
scikit-learn 0.23.2
tensorflow 2.5.0
torch 1.9.0
....

The running results are saved in the result folder.

运行结果均保存在result文件夹中。

运行方法
python main.py

Parameter setting:
参数设置：

epoch: 200
patch_size: 17
train batch_size: 16
test batch_size: 16 lr: IN,PU 0.0003 KSC 0.0001
optimizer:RMSprop
depth:PU 8 IN,KSC 32
kernel_size: 3

PU：OA, AA, kappa: [0.9916494087781415, 0.9869853556897955, 0.9889365386137344]
each_acc [98.64, 99.77, 95.03, 99.44, 99.79, 99.89, 97.85, 98.33, 99.55]

KSC：OA, AA, kappa: [0.8999450247388675, 0.8738564837073592, 0.8883809689177758]
each_acc [99.06, 64.5, 97.19, 57.14, 85.71, 94.38, 100.0, 99.67, 100.0, 64.18, 100.0, 74.64, 99.54]

IN：OA, AA,kappa: [0.9861789752896831, 0.9721097015738396, 0.9842439139710597]
each_acc [100.0, 98.4, 98.97, 93.94, 100.0, 99.41, 94.74, 100.0, 78.57, 97.5, 98.49, 98.79, 100.0, 99.55, 97.03, 100.0]

问题：
KSC数据集的表现很差

2021.8.19

将论文中的消融实验加上了，自行运行，对比结果。

rssan-hyperspectral-image's Issues

作者你好

您在复现这篇文章的时候，有没有尝试做过消融实验去对比作者所提出的注意力机构对分类精度是否有大的提升？

怎么生成分类结果图？

您好：我想请问下，我用您的代码能够训练的出来，但是我想要得到最终分类的结果图，但是我尝试了好长时间不知道怎么在您的代码上进行修改，请问您可以指导一下嘛？