论文摘要
针对高光谱图像分类中,样本空间特征利用不足的问题。将深层残差网络作为特征提取器运用到高光谱图像分类中,利用深层残差网络更深的网络结构,挖掘样本邻域空间中的深层特征,实验证明此特征具有更好的可分性。同时,针对深层卷积网络有监督训练的过程中,由于有标签样本不足导致的过拟合现象,提出基于深度迁移学习方法的训练策略,通过迁移网络在另一相关数据集中训练得到的网络浅层卷积核参数,再使用目标数据集对深层卷积核参数进行微调,提高了残差网络在少量有标签样本情况下的分类效果。
论文目录
文章来源
类型: 期刊论文
作者: 王立伟,李吉明,周国民,杨东勇
关键词: 高光谱,深层残差网络,迁移学习
来源: 计算机工程与应用 2019年05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,浙江警察学院计算机与信息技术系
基金: 国家自然科学基金(No.U1509219)
分类号: TP751
页码: 181-186
总页数: 6
文件大小: 1950K
下载量: 938
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)