探索高光谱图像特征的高维几何结构

我们探索了在四幅标准高光谱图像上，由三维傅里叶散射变换与带有扩展属性剖面的深度神经网络所诱导的特征空间几何。我们考察了类均值的间距与角度、类的变异性及其低维结构。将这些统计量与原生特征进行比较，我们的结果揭示了这两种方法截然不同的性质。我们还探讨了其与新近观察到的深度学习现象——神经崩塌（neural collapse）——之间的联系。