典型文献
基于深度主动学习的高光谱遥感图像分类方法
文献摘要：
为了能够在降低样本标注成本的同时提高高光谱遥感图像的分类精度,将深度学习和主动学习技术统一到一个整体框架中,提出基于深度主动学习的高光谱遥感图像分类方法.首先,采用卷积神经网络作为主干网络,引入残差连接和注意力机制等先进技术,使模型能够更准确地提取高光谱图像的高层空间-光谱语义信息,并对数据进行初步分类;其次,通过主动学习策略在未标记样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;最后,用更新后的训练样本继续训练分类网络,直到网络达到预设条件或迭代次数后停止.实验结果表明,该方法能够采用少量标记样本达到较高精度的分类结果.
文献关键词：
高光谱图像分类;卷积神经网络;主动学习;残差连接;注意力机制
中图分类号：
作者姓名：
范迎迎;张姗姗
作者机构：
新疆财经大学信息管理学院,新疆乌鲁木齐830008
文献出处：
引用格式：
[1]范迎迎;张姗姗-.基于深度主动学习的高光谱遥感图像分类方法)[J].东北师大学报（自然科学版）,2022(04):64-70
A类：
B类：
高光谱遥感图像,遥感图像分类,分类方法,样本标注,分类精度,学习技术,一个整,整体框架,主干网络,残差连接,注意力机制,先进技术,层空间,语义信息,主动学习策略,标记样本,取信,信息量,放入,训练样本,分类网络,迭代次数,高光谱图像分类
AB值：
0.259584
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
