基于深度贝叶斯主动学习的高光谱图像分类

基于深度贝叶斯主动学习的高光谱图像分类

论文摘要

针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度。通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好。

论文目录

  • 1 引言
  • 2 贝叶斯卷积神经网络
  • 3 主动学习采样策略
  •   (1)选择预测熵最大的样本(Max Entropy)[11]
  •   (2)最大化预测和模型后验之间的互信息(BALD,文献[14])
  •   (3)随机采样(Random)
  • 4 实验部分
  •   4.1 数据集
  •   4.2 数据预处理
  •   4.3 样本邻域大小的选取
  •   4.4 实验结果与分析
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 杨承文,李吉明,杨东勇

    关键词: 高光谱遥感图像,贝叶斯深度学习,主动学习,分类

    来源: 计算机工程与应用 2019年18期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 工业通用技术及设备,自动化技术

    单位: 浙江工业大学信息工程学院,浙江警察学院

    基金: 公安部科技强警基础工作专项(No.2016ABJC44)

    分类号: TP751;TP181

    页码: 166-172

    总页数: 7

    文件大小: 2442K

    下载量: 662

    相关论文文献

    • [1].基于深度学习的高光谱图像分类算法[J]. 传感器与微系统 2020(07)
    • [2].基于生成对抗网络的高光谱图像分类[J]. 计算机工程与应用 2019(22)
    • [3].深度学习在高光谱图像分类领域的研究现状与展望[J]. 自动化学报 2018(06)
    • [4].基于高光谱图像技术的水果表面农药残留检测观察[J]. 种子科技 2017(04)
    • [5].高光谱图像技术在农产品监测中的应用进展[J]. 北京农业 2016(01)
    • [6].粮油中高光谱图像技术的应用现状[J]. 粮食与饲料工业 2016(09)
    • [7].基于核方法协同表示的高光谱图像分类[J]. 广西大学学报(自然科学版) 2019(05)
    • [8].基于快速去噪和深度信念网络的高光谱图像分类方法[J]. 桂林电子科技大学学报 2016(06)
    • [9].局部保护降维与高斯混合模型的高光谱图像分类[J]. 工业仪表与自动化装置 2017(04)
    • [10].基于MCFFN-Attention的高光谱图像分类[J]. 计算机工程与应用 2020(24)
    • [11].基于对抗技术的高光谱图像分类系统的设计及实现[J]. 测试技术学报 2020(06)
    • [12].高光谱图像技术在水果品质检测中的研究进展[J]. 食品研究与开发 2013(10)
    • [13].高光谱图像技术在食品无损检测中的研究进展[J]. 食品工业科技 2012(15)
    • [14].基于3D卷积联合注意力机制的高光谱图像分类[J]. 红外技术 2020(03)
    • [15].高光谱图像分类方法研究进展[J]. 新产经 2020(04)
    • [16].高光谱图像分类的研究进展[J]. 光学精密工程 2019(03)
    • [17].基于空-谱加权总变分的高光谱图像混合噪声去除算法[J]. 德州学院学报 2017(04)
    • [18].基于低秩结构提取的高光谱图像压缩表示[J]. 电子与信息学报 2016(05)
    • [19].高光谱图像稀疏信息处理综述与展望[J]. 遥感学报 2016(05)
    • [20].高光谱图像技术在水果无损检测中的研究进展[J]. 激光与红外 2013(09)
    • [21].基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报 2020(02)
    • [22].针对高光谱图像的目标分类方法现状与展望[J]. 激光与红外 2020(03)
    • [23].基于鱼群算法的高光谱图像稀疏分解研究[J]. 计算机仿真 2020(01)
    • [24].基于自适应主动学习与联合双边滤波的高光谱图像分类[J]. 计算机科学 2018(12)
    • [25].浅谈高光谱图像融合方法[J]. 科技风 2019(16)
    • [26].拉普拉斯约束低秩表示的高光谱图像异常检测[J]. 光谱学与光谱分析 2018(11)
    • [27].基于焦点损失的半监督高光谱图像分类[J]. 计算机应用 2020(04)
    • [28].基于空谱联合协同表征的高光谱图像分类算法[J]. 计算机工程与设计 2020(03)
    • [29].基于关联规则的含噪高光谱图像分类系统[J]. 激光杂志 2018(12)
    • [30].基于改进的局部保持投影高光谱图像分类研究[J]. 计算机应用研究 2017(08)

    标签:;  ;  ;  ;  

    基于深度贝叶斯主动学习的高光谱图像分类
    下载Doc文档

    猜你喜欢