https://blog.csdn.net/edogawachia/article/details/88674649

Going Deeper with Contextual CNN for Hyperspectral Image Classification

2017年TIP的文章。

本文主要是提出了一种新的网络模型，深度更深，并且加上了googlenet的那种同一个层中多个scale（kernel=1,3,5）的方法，从而实现了deeper and wider。这里主要针对的问题是现有的CNN方法做HSI分类问题中网络结构较小较简单从而不能达到最优结果。本文作者用一个更深的和更wide的网络（其实就是加了个inception结构单元）来实现HSI分类。它的一个好处在于，它可以同时学习到spatial和spectral的特征。在这个深度网络中，用到了FCN，ResNet的结构，以及multi-scale filter，也就是inception的结构。如图所示：

Accordingly, the reduction of the spectral dimension of the hyperspectral images is in general initially performed to fit the input data into the small-scale networks by using techniques, such as principal component analysis (PCA) [9], balanced local discriminant embedding (BLDE) [3], pairwise constraint discriminant analysis and nonnegative sparse divergence (PCDA-NSD) [10],etc.

这个PCA之类的降维操作是之前的各种方法普遍采用的预处理手段。实际上，即使是CNN方法，之前也都是用来提取spatial特征，然后和spectral特征合并，用来train分类器的。因此这里作者主要提到的就是这一点，作者认为他们的CNN可以直接同时把这两个特征都提取到。这也是本文的一个contribution。

The multi-scale filter bank is basically used to exploit various local spatial structures as well as local spectral correlations. 其实就是简化版的inception。。。

测试实验用的还是那三个开源数据集：

145×145 pixels for the Indian Pines dataset,
610×340 pixels for the University of Pavia dataset,
512×217 for the Salinas dataset

Indian pines，pavia U， Salinas。

本文号称是第一篇用较深的网络做这个任务的文章，并且可以同时提取spatial-spectral特征，以及用了很多诸如inception和ResNet的结构。

网络模型如下：

训练方法如下图：

对高光谱中的像素点进行随机采样，得到训练集和测试集，采到的点及其5x5的邻域构成的patch作为输入，对应的ground-truth作为reference，投入到上面的网络进行训练。测试结果也是用这样的多通道的小patch来做的。

另外，为了避免过拟合，作者对patch做了水平和竖直方向及对角线方向的镜像，从而实现了4倍率的augmentation。

实验结果：

和基于网络的方法相比，该文的结果达到了SOTA。

2019年03月20日21:19:44

遥感高光谱分类文献阅读：Going Deeper with Contextual CNN for Hyperspectral Image Classification相关推荐

多标签分类_多标签分类文献阅读（8）
使用堆叠式自动编码器和极限学习机的级联进行多标签分类摘要本文介绍了用于多标签数据分类的一系列神经网络.两种类型的网络,即堆叠式自动编码器(SAE)和极限学习机(ELM)已被合并到建议的系统中.EL ...
【论文阅读】HCP: A Flexible CNN Framework forMulti-Label Image Classification
目录 Abstract HCP网络的独特点 INTRODUCTION RELATED WORK HYPOTHESES-CNN-POOLING Hypotheses Extraction Trainin ...
高光谱图像分类：文献阅读
文献阅读<Multiscale Densely-Connected Fusion Networks for Hyperspectral Images Classification> 目录 ...
文献阅读总结：网络表示学习/图学习
本文是对网络表示学习/图学习(Network Representation Learning / Graph Learning)领域已读文献的归纳总结,长期更新. 朋友们,我们在github创建了一个 ...
文献阅读（42）——使用深度学习在眼底照中检测糖网并分类（综述）
使用深度学习在眼底照中检测糖网并分类(综述) Deep learning for diabetic retinopathy detection and classification based on ...
高光谱遥感影像分类研究进展 --- （15年论文，方法主要是常规处理，但是写的比较细）
论文地址高光谱遥感影像分类研究进展南大.矿大.河海 15年的文章比较老,科普文,但是理论总结和语言用词都比较扎实在总结分类策略的基础上,重点从以核方法(SVM)为代表的新型分类器设计.特征挖掘. ...
四位科研牛人介绍的文献阅读经验
每天保持读至少2-3 篇的文献的习惯.读文献有不同的读法,但最重要的自己总结概括这篇文献到底说了什么,否则就是白读,读的时候好像什么都明白,一合上就什么都不知道,这是读文献的大忌,既浪费时间,最 ...
最大熵模型（Maximum Entropy Model）文献阅读指南
最大熵模型(Maximum Entropy Model)是一种机器学习方法,在自然语言处理的许多领域(如词性标注.中文分词.句子边界识别.浅层句法分析及文本分类等)都有比较好的应用效果.张乐博士的最大 ...
八邻域轮廓跟踪算法_结合mRMR选择和IFCM聚类的遥感影像分类算法
随着遥感成像技术的发展,高分遥感影像空间分辨率逐年提高,已经成为获取地物信息的主要数据来源之一.高分影像分类作为遥感影像处理的重要任务之一,在地理国情普查与监测.数字城市建设.城市规划等领域具有广阔的 ...
细胞亚器文献阅读之酵母液泡与线粒体的动态互作A Dynamic Interface between Vacuoles and Mitochondria in Yeast
细胞亚器文献阅读之酵母液泡与线粒体的动态互作A Dynamic Interface between Vacuoles and Mitochondria in Yeast 本文和前一篇阅读的文献之间的关 ...

遥感高光谱分类文献阅读：Going Deeper with Contextual CNN for Hyperspectral Image Classification

https://blog.csdn.net/edogawachia/article/details/88674649

Going Deeper with Contextual CNN for Hyperspectral Image Classification

遥感高光谱分类文献阅读：Going Deeper with Contextual CNN for Hyperspectral Image Classification相关推荐

最新文章

热门文章