Papers15:01
Chinese contentMALNISI 指标结合加权对比损失改进 GAT,用于高光谱图像无监督表征学习做遥感或图神经网络的人可以看看:作者设计了一个 MALNISI 指标来给像素建图,再把权重塞进 GAT 的注意力里,配上加权对比损失,无监督就能做地物分类。在六个基准数据集上跑赢了十四种现有方法,比常规对比学习方案多了邻域感知这一层。
做遥感或图神经网络的人可以看看:作者设计了一个 MALNISI 指标来给像素建图,再把权重塞进 GAT 的注意力里,配上加权对比损失,无监督就能做地物分类。在六个基准数据集上跑赢了十四种现有方法,比常规对比学习方案多了邻域感知这一层。
这篇 arXiv 论文把图神经网络和传统聚类算法掰开对比,结论很实在:没属性时谱聚类更靠谱,还给出了 GPU 加速的池化思路。