标准分数降维的3D-CNN高光谱遥感图像分类
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3778/j.issn.1002-8331.2001-0150

标准分数降维的3D-CNN高光谱遥感图像分类

引用
针对高光谱图像存在Hughes现象,以及空间和光谱特征利用效率低的问题,提出了一种结合标准分数降维和深度学习的高光谱图像分类算法.利用标准分数对高光谱数据的波段质量进行评价以剔除高光谱遥感图像中的冗余波段,结合优化过的3D-CNN(3D Convolutional Neural Network)分类方法,通过使用大步距卷积层替代池化层,引入L2正则化、批量归一化(Batch Normalization,BN)、Dropout等一系列策略,在减少网络参数的同时有效防止过拟合现象.通过Pavia Centre和Pavia University两个公开高光谱数据集的实验测试,该算法大幅度降低了网络模型的参数和计算量,取得了99.01%和95.99%的分类精度.

卷积神经网络、深度学习、标准分数、高光谱遥感图像、分类

57

TP701(遥感技术)

国家自然科学基金61701153

2021-03-02(万方平台首次上网日期,不代表论文的发表时间)

共7页

169-175

相关文献
评论
暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

57

2021,57(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn