高光谱影像中由中心损失监督的ANN进行光谱-空间特征提取与分类
计算机视觉与模式识别
2017-11-21 v1
摘要
本文提出一种基于人工神经网络(ANN)的高光谱影像光谱-空间特征提取与分类框架。在标记样本有限的情况下，仅利用光谱信息进行训练，空间上下文在测试阶段后验融合。借助人脸识别的最新进展，采用结合softmax损失与中心损失的联合监督信号来训练所提网络，从而聚拢类内特征并增大类间差异。基于所学架构，提取的基于光谱的特征由中心分类器分类。此外，为融合光谱与空间信息，发展了自适应光谱-空间中心分类器，其同时考虑多尺度邻域，并利用自适应投票策略确定最终标签。最后，在三个知名数据集上的实验结果验证了所提方法相较于前沿方法的的有效性。
引用
@article{arxiv.1711.07141,
title = {Spectral-Spatial Feature Extraction and Classification by ANN Supervised with Center Loss in Hyperspectral Imagery},
author = {Alan J. X. Guo and Fei Zhu},
journal= {arXiv preprint arXiv:1711.07141},
year = {2017}
}
备注
17 pages, 10 figures