BASS Net：用于高光谱图像分类的波段自适应谱-空特征学习神经网络
计算机视觉与模式识别
2017-06-28 v2
摘要
基于深度学习的土地覆盖分类算法近来已在文献中被提出。在高光谱图像（HSI）中，它们面临大维度、光谱特征的空间变异性以及标记数据稀缺的挑战。在本文中，我们提出一种端到端的深度学习架构，其提取波段特定的谱-空特征并执行土地覆盖分类。该架构具有更少的独立连接权重，因此需要更少的训练数据。该方法在流行的高光谱图像数据集上优于已报道的最高精度。
引用
@article{arxiv.1612.00144,
title = {BASS Net: Band-Adaptive Spectral-Spatial Feature Learning Neural Network for Hyperspectral Image Classification},
author = {Anirban Santara and Kaustubh Mani and Pranoot Hatwar and Ankit Singh and Ankur Garg and Kirti Padia and Pabitra Mitra},
journal= {arXiv preprint arXiv:1612.00144},
year = {2017}
}
备注
8 pages, 10 figures, Submitted to IEEE TGRS, Code available at: https://github.com/kaustubh0mani/BASS-Net