资料下载
×
改进多尺度三维残差卷积神经网络的高光谱图像方法
消耗积分:0 |
格式:pdf |
大小:1.90 MB |
2021-03-16
分享资料个
针对高光谱图像训练样本较少、光谱维度高导致分类精度较低的问题，提出一种利用改进多尺度三维残差卷积神经网络的高光谱图像分类方法。选择合适的卷积步长对网络首层光谱降维并提取浅层特征，使用三维卷积滤波器组中最大池化层减少整体网络训练参数量，改进多尺度滤波器组和三维残差单元提取图像深层局部空间-光谱联合特征，并将其输人 Softmax函数层预测类别标签样本。实验结果表明，该方法在 Indian pines和 Pavia University高光谱数据集上的总体分类精度分别为99.33%和99.83%，与 SVM SAE等方法相比，分类判别特征提取更准确，具有更高的图像分类精度。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
