Traditional to Transformers: A Survey on Current Trends and Future Prospects for Hyperspectral Image Classification

这篇文章讨论了高光谱图像分类的挑战，主要是由于数据的高维度和复杂性。近年来，深度学习技术已经成为解决这些挑战的强大工具。本文提供了对高光谱图像分类中当前趋势和未来前景的全面概述，重点关注从深度学习模型到变压器的新兴使用的进展。我们回顾了深度学习在高光谱图像分类中的关键概念、方法和最新进展。此外，我们还讨论了变压器模型在这一领域中的潜力，并强调了这些方法所涉及的优势和挑战。我们使用了三个高光谱数据集进行了全面的实验结果验证，以验证各种传统深度学习模型和变压器的有效性。最后，我们概述了未来的研究方向和潜在应用，以进一步提高高光谱图像分类的准确性和效率。源代码可在https://github.com/mahmad00/Conventional-to-Transformer-for-Hyperspectral-Image-Classification-Survey-2024上获得。

本论文旨在综述深度学习在高光谱图像分类中的应用现状和未来发展趋势，探讨基于Transformer的模型在该领域的潜力和挑战。

论文主要介绍了深度学习在高光谱图像分类中的关键概念、方法和最新进展，重点讨论了基于Transformer的模型在该领域中的应用前景和优势。

论文采用三个高光谱数据集进行了全面实验，验证了传统深度学习模型和Transformer的有效性，同时提出了未来研究方向和潜在应用。

相关研究包括：1）高光谱图像分类中的传统机器学习方法；2）深度学习在高光谱图像分类中的应用；3）基于Transformer的模型在自然语言处理领域的应用。