.png){kind=icon}
返回
Hyperspectral Image Classification Based on Two-Phase Relation Learning Network
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2019.2934218.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的分类方法有能力在一个必要条件下获得优异的性能，即每个类别中有足够的标记样本，这在大多数遥感任务中是极其不切实际的。为了提高小训练集的性能，我们求助于其他高光谱图像，并设计了一个两阶段关系学习网络，该网络可以在不同图像之间转移以进行一般信息共享，并在特定的高光谱图像上进行精细训练以进行个人信息学习。具体来说，我们使用关系学习方法来比较样本并处理不同数据集之间的任务不一致，并且我们采用基于情节的训练策略来模拟测试设置并学习可转移的比较能力。受益于这两种策略，所提出的网络利用额外的知识进行信息补充，并学习比较而不是分类以进行信息探索，即使使用较小的训练集，也可以保证合理的性能。对三个基准的大量实验和分析表明，该方法可以用较小的训练集为高光谱图像分类提供有效的解决方案，从而可以在较少的野外调查工作的情况下进行大规模的对地观测应用。
Keyword:
Hyperspectral imaging
Training
Measurement
Deep learning
Task analysis
Classification
deep network
hyperspectral image
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
A Survey on Spectral-Spatial Classification Techniques Based on Attribute Profiles基于属性剖面的光谱-空间分类技术综述
PREAI
分享收藏Advances in Hyperspectral Image and Signal Processing A comprehensive overview of the state of the art高光谱图像和信号处理的进展综述
PREAI
分享收藏Line shape engineering of sharp Fano resonance in Al-based metal-dielectric multilayer structure
OAAI
OAAI分享收藏
查看更多内容