研究目的
探索采用低功耗架构和深度学习算法进行高光谱图像分类，以在降低能耗需求的同时实现令人满意的分类效果。
研究成果
NVIDIA Jetson Tegra TX2设备在功耗、物理空间和财务成本均为关键决策因素的受限场景中具有竞争优势，使其成为机载遥感高光谱图像分类的理想架构。
研究不足
该研究仅限于特定的卷积神经网络模型和两个高光谱图像数据集。研究结果对其他模型或数据集的适用性可能需要进一步研究。
1：实验设计与方法选择：
本研究比较了两种硬件环境（NVIDIA Jetson Tegra TX2和专业异构平台，后者配备Intel Xeon处理器和NVIDIA GeForce GTX 1080 GPU）在使用CNN模型进行高光谱图像分类时的性能与能耗表现。
2：样本选择与数据来源：
采用两个知名高光谱数据集（Indian Pines和University of Pavia数据集）。
3：实验设备与材料清单：
NVIDIA Jetson Tegra TX2设备、Intel Xeon E5-2695v3处理器、NVIDIA GeForce GTX 1080 GPU。
4：实验流程与操作步骤：
使用Adam优化器对CNN模型进行优化，设置特定学习率和训练周期，测试不同输入图像块尺寸及训练数据占比。
5：数据分析方法：
分析两种硬件环境下的分类准确率、能耗及计算耗时。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
NVIDIA Jetson Tegra TX2
TX2
NVIDIA
Low-power consumption device for on-board processing applications using deep-learning approaches.
-
NVIDIA GeForce GTX 1080
GTX 1080
NVIDIA
High-performance GPU for processing large amounts of data in professional heterogeneous platforms.
-
Intel Xeon E5-2695v3
E5-2695v3
Intel
High-performance processor for professional heterogeneous platforms.
-
登录查看剩余1件设备及参数对照表
查看全部
