用于深度高光谱分类与分割的数据驱动特征采样
神经与进化计算
2017-10-30 v1 计算机视觉与模式识别
摘要
高光谱成像的高维度在范围、规模和处理需求上带来了独特挑战。受潜在现场细胞分选检测器的启发，我们考察了一个 PCC 6803 数据集，其中细胞在富氮或缺氮培养中交替生长。我们使用深度学习技术成功对细胞进行分类，并生成将细胞/条件从背景中分割出来的掩膜。此外，我们利用分类精度引导一种数据驱动的迭代特征选择方法，从而设计出所需输入特征减少 90% 且精度下降甚微的神经网络。
引用
@article{arxiv.1710.09934,
title = {Data-driven Feature Sampling for Deep Hyperspectral Classification and Segmentation},
author = {William M. Severa and Jerilyn A. Timlin and Suraj Kholwadwala and Conrad D. James and James B. Aimone},
journal= {arXiv preprint arXiv:1710.09934},
year = {2017}
}