transformer高光谱分类

引用和中提到了关于使用transformer进行高光谱分类的方法。传统的CNN网络在挖掘和表示光谱特征的序列属性方面存在一定的限制，而引入transformer可以重新思考高光谱分类的序列角度。SpectralFormer是一种应用transformer的高光谱分类方法，通过分组光谱嵌入（GSE）和跨层自适应融合（CAF）来提取光谱上的序列信息并保留有价值的信息。SST框架结合了CNN、改进的Transformer和MLP，通过提取空间特征、提取空间光谱特征和分类来完成高光谱分类任务。引用中还提到了一种名为DenseTransformer的改进型Transformer，它使用密集连接来加强特征传播，可以缓解梯度消失的问题。因此，transformer在高光谱分类中具有很大的应用潜力。