面向高光谱成像的波长感知二维卷积
计算机视觉与模式识别
2022-10-18 v2
摘要
深度学习可大幅提升高光谱成像（HSI）的分类精度。然而，在多数较小的高光谱数据集上训练并非易事。两个关键挑战是数据记录的大通道维度以及不同厂商相机间的不兼容性。通过引入合适的模型偏置并连续定义通道维度，我们提出了一种针对高光谱成像这些挑战优化的二维卷积。我们基于两种不同高光谱应用（在线检测与遥感）评估该方法。除展示模型的优越性外，该改进还增添了额外的解释力。此外，模型以数据驱动方式学习所需的相机滤波器。基于这些相机滤波器，可设计最优相机。
引用
@article{arxiv.2209.03136,
title = {Wavelength-aware 2D Convolutions for Hyperspectral Imaging},
author = {Leon Amadeus Varga and Martin Messmer and Nuri Benbarka and Andreas Zell},
journal= {arXiv preprint arXiv:2209.03136},
year = {2022}
}
备注
Accepted WACV23