A NEW HYPERSPECTRAL BAND SELECTION APPROACH BASED ON CONVOLUTIONAL NEURAL NETWORK文章笔记
A NEW HYPERSPECTRAL BAND SELECTION APPROACH BASED ON CONVOLUTIONAL NEURAL NETWORK
文章地址:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8127792
写在前面:各位朋友好,这是本人第一篇博客,为了不打击自己,决定从一篇易懂的paper的阅读笔记开始写起,写的不好不对的地方望各位朋友不吝赐教,在此先行谢过。
1、文章简介:
这是一篇运用卷积神经网络CNN做高光谱波段选择的论文,摘要中称此文是第一篇把CNN用在波段选择的工作,另外据我个人理解这是一篇wrapper特征选择方式的工作。
① 流程简介:“在本文中,我们首先将CNN引入频段选择。 我们使用1D-CNN训练高光谱带标记数据来获得训练有素的模型,然后,我们使用该模型来测试各种波段组合。 在测试结果中,我们选择具有最高精度的波段作为选定波段,并验证我们的方法选择的波段对土地利用或土地覆盖分类的影响。”
② 主要贡献:“1、我们使用深度卷积神经网络更好地选择波段,是这个问题的第一个深度学习解决方案。 我们证明了深度学习在高光谱带选择困难的挑战中是有用的,这得益于深度CNN的高级特征提取能力。2、在频带组合测试阶段,我们使用频段零填充技术来解决测试频带数量少于训练频带的问题。”
2、方法简介:
左侧流程图画的挺清晰的:
以一个像素点的全波段作为输入,经过两组卷积核为30*(3*1或5*1)的1-D CNN、RELU激活函数和步长为k2的Max-Pooling,最终接一层全连接层,然后连接softmax分类层。
文中还计算了参数量,然而可惜的是,没有给出具体的卷积核还有pooling层的步长。
右侧是算法流程:
1、在上述网络搭建好后,利用每个训练集像素的全波段训练整个网络。
2、假设我们选取m个波段(m<波段总数),就所有可能的m个波段组合,记为BCn(n是所有可能集合数目)。
3、测试一种组合BCi的测试精度,具体做法是将测试数据中 所在的BCi波段集合中的波段保留原值,其余波段数值置零。
4、测试每一种组合的精度,选取精度最好的波段组合及其精度,作为数目为m的最优波段组合及精度。
3、实验结果和分析:
实验数据是最经典的Indian Pines高光谱数据,去除干扰波段剩余196,分类本该十六类,该文选取的是其中十类,如下图。
实验结果如下图。
选择波段示意如下图。
文中略微解释了一下实验结果:“Because the bands we selected are mainly used for the classification of the land cover/use itself, and not focus on the differences between objects, the bands selected need to represent the features of the land cover/use. (因为我们选择的波段主要用于土地覆盖/使用本身的分类,而不是关注物体之间的差异,所选择的波段需要代表土地覆盖/使用的特征。)”
转载于:https://www.cnblogs.com/CJT-blog/p/9313365.html
A NEW HYPERSPECTRAL BAND SELECTION APPROACH BASED ON CONVOLUTIONAL NEURAL NETWORK文章笔记相关推荐
- 《Improved Crowd Counting Method Based onScale-Adaptive Convolutional Neural Network》论文笔记
<Improved Crowd Counting Method Based onScale-Adaptive Convolutional Neural Network>论文笔记 论文地址 ...
- Developing a new mesh quality evaluation method based on convolutional neural network——方向1笔记
方向一:网格质量的评估 基于卷积神经网络的网格质量评价方法研究(Developing a new mesh quality evaluation method based on convolution ...
- ConvKB代码:A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network
1 介绍 本篇论文以卷积的方式对知识图谱进行补全,其方法采用CNN的形式进行知识图谱补全,将三元组统一处理,进行评估,评估出得分最高的一组,该方法在论文ConvE的基础上进行改进,其在逻辑实现的过程中 ...
- 波段选择方法综述:Hyperspectral Band Selection A review
Hyperspectral Band Selection A review 当前的高光谱波段选择方法,该方法可以分为六个主要类别:基于排序,基于搜索,基于聚类,基于稀疏性,基于嵌入学习和基于混合方案. ...
- Paper翻译:《A Novel Convolutional Neural Network Based Model for Recognition and Classification of App》
论文名称:<A Novel Convolutional Neural Network Based Model for Recognition and Classification of Appl ...
- Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: ...
- 【医学+深度论文:F16】2015 EMBC Glaucoma detection based on deep convolutional neural network
16 2015 EMBC Glaucoma detection based on deep convolutional neural network Method : 分类 Dataset :ORIG ...
- 【农业害虫识别论文一】Crop pest classification based on deep convolutional neural network and transfer learning
本论文发布于2019年,主要基于三个数据集进行农业害虫的识别.文章不是简单的翻译,而是类似自己的读书笔记,基本记录了下,做后续回顾所用.望各位看官不要吐槽 哈哈! 论文题目 Crop pest cla ...
- Complex Spectral Mapping With Attention Based Convolution Recurrent Neural Network(省略)---论文翻译
基于注意力的卷积递归神经网络的复杂频谱映射,用于语音增强 Liming Zhou1, Yongyu Gao1,Ziluo Wang1,Jiwei Li1,Wenbin Zhang11CloudWalk ...
最新文章
- threejs加载模型挤压变形_【技研】挤压铸造铝合金转向节开发
- markdown语法进阶
- GO语言struct语法
- 常见的反爬手段和解决思路
- [渝粤教育] 西南科技大学 数据库应用 在线考试复习资料(3)
- html插入图片出现红叉,网页图片显示红色叉怎么回事 网页图片有些不显示的有效解决方法...
- java跑批任务_【spring配置】——spring整合Quartz定时器
- 华为荣耀9x怎么解账户锁_跟华为毫无关系的荣耀为何不值得买?
- 拓端tecdat|R语言ggplot2 对Facebook用户数据可视化分析
- Atitit.js javascript异常处理机制与java异常的转换.js exception process Voae
- Python安装graphics库
- 正版破解软件下载站大全(转载
- 用CSS制造出光泽一闪而过的图片效果
- igh+preempt_rt主战搭建
- 如何优化小红书笔记?教你三个小技巧,让你快速提高笔记排名
- vm磁盘映射 不能启动_iOS 启动优化之Clang插桩实现二进制重排
- 【目标检测】YOLOv5训练工具,简化训练准备过程
- 修改csdn博客的名称
- 安装docker桌面版(Windows)
- 抖音带火的这种无线领夹麦克风,央视主持人都在用