基于深度贝叶斯主动学习的高光谱图像分类

• 作者: 李吉明 杨东勇 杨承文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高光谱遥感图像 贝叶斯深度学习 主动学习 分类
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 图形图像处理
• 页码范围: 166-172
• 页数: 7页
• 分类号: TP75
• 字数: 5099字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0427

摘要

针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法.利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度.通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨东勇	浙江工业大学信息工程学院	69	521	11.0	19.0
2	李吉明		7	29	2.0	5.0
3	杨承文	浙江工业大学信息工程学院	1	2	1.0	1.0