# NNCNet

**Repository Path**: gaopursuit/NNCNet

## Basic Information

- **Project Name**: NNCNet
- **Description**: 论文源代码：Nearest Neighbor-Based Contrastive Learning for Hyperspectral and LiDAR Data Classification，IEEE TGRS 2023
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-06-27
- **Last Updated**: 2024-06-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 论文代码

## README

**PyTorch implementation of [Nearest Neighbor-Based Contrastive Learning for Hyperspectral and LiDAR Data Classification](https://ieeexplore.ieee.org/abstract/document/10015054) in IEEE Transactions on Geoscience and Remote Sensing, vol. 61, pp. 1-16, 2023, Art no. 5501816, doi: 10.1109/TGRS.2023.3236154.**



如果有任何问题，欢迎随时通过邮件联系我们。王猛（ wm@stu.ouc.edu.cn）, 高峰（gaofeng@ouc.edu.cn）



## 简介

高光谱图像（HSI）和激光雷达（LiDAR）数据联合分类旨在以更详细和精确的方式解释地面目标。尽管当前的深度学习方法在多源数据分类任务中取得了显著的成功，但很少使用自监督学习提升分类性能。此外，由于多源数据的异质性阻碍了分类性能的提升。为了解决当前问题，我们提出了一种基于最近邻的对比学习网络（NNCNet），充分利用大量未标记的数据来学习有区分性的特征表示。具体而言，我们提出了一种基于最近邻的数据增强方案，以利用附近区域之间的增强语义关系，可以更准确地捕捉跨模态的语义对齐。此外，我们设计了一个双线性注意力模块，以利用HSI和LiDAR数据之间的二阶甚至高阶特征交互。在四个公共数据集上的广泛实验表明，我们的NNCNet 性能优异



## 数据集链接

1. MUUFL dataset: https://github.com/GatorSense/MUUFLGulfport
2. Houston 2013 dataset: https://hyperspectral.ee.uh.edu/?page_id=459
3. Houston 2018 dataset: https://hyperspectral.ee.uh.edu/?page_id=1075