文档名：基于改进残差网络的高光谱图像分类算法研究
摘要：针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residualblock)模型进行改进,提出一种"金字塔"残差块分类算法.设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集IndianPines和UniversityofPavia上进行实验,同时选取了3种经典的分类方法作为对比.实验结果表明:该算法表现效果最佳,可以有效提高高光谱图像的分类精度.
作者：易瑔 张宇航 王清 宗艳桃Author：YiQuan ZhangYuhang WangQing ZongYantao
作者单位：中国人民解放军陆军装甲兵学院兵器与控制系,北京100071
刊名：兵工自动化 ISTIC
Journal：OrdnanceIndustryAutomation
年，卷(期)：2023, 42(10)
分类号：TP391.41
关键词：深度学习 高光谱图像 卷积神经网络 图像处理
Keywords：deeplearning hyperspectralimage convolutionalneuralnetwork imageprocessing
机标分类号：TP391.41TP751TP181
在线出版日期：2023年10月27日
基金项目：基于改进残差网络的高光谱图像分类算法研究[
期刊论文] 兵工自动化--2023, 42(10)易瑔 张宇航 王清 宗艳桃针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residualblock)模型进行改进,提出一种"金字塔"残差块分类算法.设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进残差网络的高光谱图像分类算法研究 Research on Hyperspectral Image Classification Algorithm Based on Improved Residual Network
基于改进残差网络的高光谱图像分类算法研究.pdf
- 文件大小:
- 1.5 MB
- 下载次数:
- 60
-
高速下载
|
|
