研究目的
为应对高光谱图像分类中多尺度特征学习、数据不平衡和小样本集规模的挑战,采用具有半监督学习功能的双分支卷积网络。
研究成果
提出的双分支网络架构,结合数据重采样和半监督学习策略,有效解决了高光谱图像分类的挑战,使评估指标提升了10%~15%。
研究不足
该网络缺乏区分具有相似光谱空间特征类别的强大能力,例如健康草坪与受胁迫草坪、道路与人行道、人行横道与主干道。
研究目的
为应对高光谱图像分类中多尺度特征学习、数据不平衡和小样本集规模的挑战,采用具有半监督学习功能的双分支卷积网络。
研究成果
提出的双分支网络架构,结合数据重采样和半监督学习策略,有效解决了高光谱图像分类的挑战,使评估指标提升了10%~15%。
研究不足
该网络缺乏区分具有相似光谱空间特征类别的强大能力,例如健康草坪与受胁迫草坪、道路与人行道、人行横道与主干道。
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年7月22日-27日)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种用于高光谱分类的半监督学习双分支网络”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