基于目标像素朝向方案与多尺度卷积的CNN高光谱图像分类
计算机视觉与模式识别
2021-05-06 v3
摘要
近年来，CNN是应对高光谱图像分类挑战的流行选择。尽管高光谱图像（HSI）具有如此大的光谱信息，却带来了维度灾难。此外，光谱特征的大空间变异性增加了分类问题的难度。另外，以端到端方式用稀缺训练样本训练CNN是另一个具有挑战性且有趣的问题。本文提出一种新颖的目标块朝向方法来训练基于CNN的网络。同时，我们引入了3D-CNN与2D-CNN混合的网络架构，分别用于实现波段缩减与特征提取方法。实验结果表明，我们的方法在精度上优于现有最先进方法（SOTA）所报道的结果。
引用
@article{arxiv.2001.11198,
title = {A CNN With Multi-scale Convolution for Hyperspectral Image Classification using Target-Pixel-Orientation scheme},
author = {Jayasree Saha and Yuvraj Khanna and Jayanta Mukherjee},
journal= {arXiv preprint arXiv:2001.11198},
year = {2021}
}