用于高光谱图像分类的带局部残差连接的 3D CNN
计算机视觉与模式识别
2019-12-09 v1 图像与视频处理
摘要
本文提出一种新颖的带局部残差连接的 3D CNN 网络，用于高光谱图像分类。我们的工作与现有用于提取深层特征的方法进行了比较研究，并提出了一种融合网络中多个阶段残差特征的模型。所提架构通过 3D 卷积层处理来自高光谱图像的个体空谱特征丰富立方体。残差连接因同化了低层与高层特征而带来性能提升。我们在 Pavia University 与 Pavia Center 数据集上开展实验以进行性能分析。我们将方法与两种近期最先进的高光谱图像分类方法进行比较。所提网络以较大优势优于现有方法。
引用
@article{arxiv.1912.03000,
title = {3D CNN with Localized Residual Connections for Hyperspectral Image Classification},
author = {Shivangi Dwivedi and Murari Mandal and Shekhar Yadav and Santosh Kumar Vipparthi},
journal= {arXiv preprint arXiv:1912.03000},
year = {2019}
}
备注
4th International Conference on Computer Vision and Image Processing (CVIP-2019)