用于高光谱图像分类的跨域卷积神经网络
计算机视觉与模式识别
2018-05-04 v2
摘要
在本文中，我们解决了高光谱图像分类中的数据集稀缺问题。由于仅有数千个像素可用于训练，难以有效学习高容量的卷积神经网络（CNNs）。为应对该问题，我们提出了一种新颖的跨域CNN，其包含可在多个高光谱数据集上协同学习的共享参数。该网络还包含非共享部分，旨在处理特定数据集的光谱特征及相关的分类任务。我们的方法是首次以端到端方式学习用于多个高光谱数据集的CNN。此外，我们通过实验表明，在三个广泛使用的数据集上所提出的网络优于所有在单一数据集上训练的基线网络。
引用
@article{arxiv.1802.00093,
title = {Cross-domain CNN for Hyperspectral Image Classification},
author = {Hyungtae Lee and Sungmin Eum and Heesung Kwon},
journal= {arXiv preprint arXiv:1802.00093},
year = {2018}
}
备注
IGARSS 2018