研究目的
提出一种用于高光谱图像分类的新型特征提取方法——深度张量分解(DTF),该方法将张量分解与深度学习相结合,在抑制噪声的同时提取具有层次性和意义的特征。
研究成果
所提出的深度张量分解方法将张量分解与深度学习有效结合用于高光谱图像分类,实验结果表明,该方法在两个真实高光谱数据集上能提取具有层次性和意义的特征,同时抑制噪声,展现出卓越的性能。
研究不足
该方法在有限数据集上进行了性能评估,而计算开销以及全可学习卷积核可能导致的过拟合是已知的挑战。
研究目的
提出一种用于高光谱图像分类的新型特征提取方法——深度张量分解(DTF),该方法将张量分解与深度学习相结合,在抑制噪声的同时提取具有层次性和意义的特征。
研究成果
所提出的深度张量分解方法将张量分解与深度学习有效结合用于高光谱图像分类,实验结果表明,该方法在两个真实高光谱数据集上能提取具有层次性和意义的特征,同时抑制噪声,展现出卓越的性能。
研究不足
该方法在有限数据集上进行了性能评估,而计算开销以及全可学习卷积核可能导致的过拟合是已知的挑战。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚(2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱图像分类的深度张量分解”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期