高光谱图像分类论文分析（二）
Faster Multiscale Capsule Network With Octave Convolution for Hyperspectral Image Classification
收录于：IEEE GEOSCIENCE AND REMOTE SENSING LETTERS
作者：Qin Xu , Dongyue Y . Wang, and Bin Luo, Member , IEEE
一、前人研究
- 现存在有支持向量机（SVM）、a self-paced joint sparse respresentation(JSR) ->特别是对于大噪声、还有一些选择小部分高光谱波段为了避免光谱冗余并且减少计算量。
- 有前人提出了使用CNNs,multiscale CNNs(MS-CNNs),mutiscale capsule network(MS-CapsNet)进行分类，局限性在于这些方法通过增加平行的卷积层来增强多尺度表现力，这就导致了空间维度的大量冗余。
- 接着就有倍频网络被提出，目的就是解决在卷积过程中的空间冗余，通过压缩低频特征图像，保持高频特征图像得以实现。
作者的模型
基于前人的研究，作者提出了a fast MS-CapsNet with octave convolution (基于备品卷积的快速多尺度胶囊网络)，倍频卷积根据不同频率特征采用对应的卷积实现，并且扩大在原始像素域的感受野范围。
总之，作者提出的模型可以采用一个更有效、稳定的方式去进行HSI data 的分类。
I.倍频程卷积
对与高频和低频部分，分别采用不同尺寸的卷积核分别进行卷积，并且最后的高频块由低频块上采样加上原始高频快的卷积获得，同样的，最后的低频块由高频块下采样加上低频块的卷积获得。最后，高频块做池化操作加上低频块得到最终的玩意。
II.MSOctCaps的网络
待更新！！！