研究目的
为解决高光谱图像(HSI)分类中常见数据增强方法性能有限且存在上限的问题,提出一种名为像素块对(PBP)的新数据增强方法,以大幅增加训练样本数量。
研究成果
提出的PBP-CNN方法通过不仅增加样本数量,还帮助CNN更好地学习同类样本间的共性,显著提升了高光谱图像分类性能。但该方法实现复杂、运行耗时较长,是未来需要改进的方向。
研究不足
所提出的PBP-CNN方法实施过程相对复杂且运行时间较长,这一问题需要得到解决。
研究目的
为解决高光谱图像(HSI)分类中常见数据增强方法性能有限且存在上限的问题,提出一种名为像素块对(PBP)的新数据增强方法,以大幅增加训练样本数量。
研究成果
提出的PBP-CNN方法通过不仅增加样本数量,还帮助CNN更好地学习同类样本间的共性,显著提升了高光谱图像分类性能。但该方法实现复杂、运行耗时较长,是未来需要改进的方向。
研究不足
所提出的PBP-CNN方法实施过程相对复杂且运行时间较长,这一问题需要得到解决。
加载中....
您正在对论文“基于深度卷积神经网络的高光谱图像分类数据增强方法”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