一种用于高光谱图像分类的新型统计度量学习
计算机视觉与模式识别
2019-05-14 v1
摘要
本文提出了一种用于高光谱图像谱-空分类的新型统计度量学习。首先，利用每类中每个批次样本的标准差来减小类内方差。然后，利用不同类别均值之间的距离来惩罚训练样本的类别间方差。最后，加入不同类别均值之间的标准差作为额外的多样性项，以促使不同类别相互排斥。在两个真实世界高光谱图像数据集上进行了实验，实验结果表明了所提统计度量学习的有效性。
引用
@article{arxiv.1905.05087,
title = {A novel statistical metric learning for hyperspectral image classification},
author = {Zhiqiang Gong and Ping Zhong and Weidong Hu and Zixuan Xiao and Xuping Yin},
journal= {arXiv preprint arXiv:1905.05087},
year = {2019}
}
备注
Submitted to Whispers2019