高光谱数据增强
计算机视觉与模式识别
2019-03-14 v1
摘要
数据增强是一种流行技术，有助于提升深度神经网络的泛化能力。在遥感场景中，高质量地面真值数据数量有限且获取新样本成本高昂或不可行，数据增强起着关键作用。这是高光谱成像中的常见问题，因为图像数据的手动标注困难、昂贵且易受人偏倚影响。在本文中，我们提出高光谱数据的在线数据增强，其在推理阶段而非深度网络训练前执行。这与所有其他最先进的高光谱增强算法形成对比，后者用于增大训练集的规模（与代表性）。此外，我们引入了一种新的基于主成分分析的增强方法。实验表明，我们的数据增强算法提升了深度网络的泛化能力，可实时运行，且在线方法能与离线技术有效结合以提高分类精度。
引用
@article{arxiv.1903.05580,
title = {Hyperspectral Data Augmentation},
author = {Jakub Nalepa and Michal Myller and Michal Kawulok},
journal= {arXiv preprint arXiv:1903.05580},
year = {2019}
}
备注
Submitted to IEEE Geoscience and Remote Sensing Letters