基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对高光谱图像分类中,样本空间特征利用不足的问题.将深层残差网络作为特征提取器运用到高光谱图像分类中,利用深层残差网络更深的网络结构,挖掘样本邻域空间中的深层特征,实验证明此特征具有更好的可分性.同时,针对深层卷积网络有监督训练的过程中,由于有标签样本不足导致的过拟合现象,提出基于深度迁移学习方法的训练策略,通过迁移网络在另一相关数据集中训练得到的网络浅层卷积核参数,再使用目标数据集对深层卷积核参数进行微调,提高了残差网络在少量有标签样本情况下的分类效果.
推荐文章
基于SSAE深度学习特征表示的高光谱遥感图像分类方法
高光谱遥感图像分类
堆叠稀疏自动编码器
深度学习
特征表示
支持向量机
基于深度学习的图像风格迁移研究综述
图像风格迁移
深度学习
迁移学习
纹理合成
基于高光谱图像的分类方法研究
高光谱图像
支持向量机
人工神经元网络
决策树分类
最大似然分类法
K -均值聚类法
迭代自组织方法
基于图像分割和LSSVM的高光谱图像分类
高光谱图像分类
图像分割
LSSVM
数据降维
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 深度迁移学习在高光谱图像分类中的运用
来源期刊 计算机工程与应用 学科 工学
关键词 高光谱 深层残差网络 迁移学习
年,卷(期) 2019,(5) 所属期刊栏目 图形图像处理
研究方向 页码范围 181-186
页数 6页 分类号 TP75
字数 4908字 语种 中文
DOI 10.3778/j.issn.1002-8331.1805-0134
五维指标
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 周国民 浙江警察学院计算机与信息技术系 25 125 5.0 10.0
3 李吉明 浙江警察学院计算机与信息技术系 7 29 2.0 5.0
4 王立伟 浙江工业大学信息工程学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (28)
二级引证文献  (5)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(5)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(1)
2019(5)
  • 引证文献(4)
  • 二级引证文献(1)
2020(7)
  • 引证文献(3)
  • 二级引证文献(4)
研究主题发展历程
节点文献
高光谱
深层残差网络
迁移学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导