-
公开(公告)号：CN110503140A
公开(公告)日：2019-11-26
申请号：CN201910735414.1
申请日：2019-08-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度迁移学习与邻域降噪的分类方法，将在源数据集上预训练的CNN浅层网络权值参数迁移至目标数据集，通过网络微调，随机初始化目标数据集网络训练的CNN深层网络权值参数，并在目标数据集上重新训练，完成基于迁移学习的高光谱图像分类，然后，再对通过迁移学习输出的高光谱图像分类的图像标记结果进行基于八邻域点众数标签的最优邻域点降噪，最终输出降噪后的图像分类结果。
-
公开(公告)号：CN110503140B
公开(公告)日：2022-04-01
申请号：CN201910735414.1
申请日：2019-08-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度迁移学习与邻域降噪的分类方法，将在源数据集上预训练的CNN浅层网络权值参数迁移至目标数据集，通过网络微调，随机初始化目标数据集网络训练的CNN深层网络权值参数，并在目标数据集上重新训练，完成基于迁移学习的高光谱图像分类，然后，再对通过迁移学习输出的高光谱图像分类的图像标记结果进行基于八邻域点众数标签的最优邻域点降噪，最终输出降噪后的图像分类结果。
-
公开(公告)号：CN110458208A
公开(公告)日：2019-11-15
申请号：CN201910672230.5
申请日：2019-07-24
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了基于信息测度的高光谱图像分类方法，包括如下步骤：应用熵和颜色匹配函数对高光谱图像中的光谱带进行初步选择；计算初步选择后光谱带之间的互信息，选择互信息最小的光谱带，完成二次选择；提取二次选择后光谱带的空谱信息；将所述空谱信息输入至CNN模型，输出分类结果与图像。本发明基于信息测度的高光谱图像分类方法有良好的分类表现，对高度相似的地物信息分类准确率高，而在样本充足数据集上的分类性能更加突出。
-
-
Search Results
3
records
(took 0.018 seconds)
