典型文献
基于短距空间光谱并行双向RNN的高光谱农业图像分类
文献摘要：
提出一种新的短距空间并行双向 RNN 算法(shorten spatial-spectral parallel bidirectional RNN,St-SS-pBRNN)用于高光谱农业图像分类,通过组合多个卷积层实现了频谱和空间特征的同时利用,提升了图像的分类效果.采用并行门控循环单元(gate recurrent unit,GRU)和双向RNN的组合架构,缩短了 RNN的序列长度,大幅减少了模型的计算量.在农业高光谱图像分类对比实验中,算法性能稳定,准确率比经典的短距空间并行GRU算法(shorten spatial-spectral parallel GRU,St-SS-pGRU)最优效果提升大于2％,相关模型有望在国内大范围的农业用地分类中得以推广应用.
文献关键词：
深度学习;门控循环单元;长短时记忆网络;循环神经网络;高光谱图像分类
中图分类号：
作者姓名：
王茂发;冯十辰;黄鸿亮;龚启舟;万泉;徐智
作者机构：
桂林电子科技大学广西可信软件重点实验室,广西桂林541004;澳门大学科技学院数学系,中国澳口 999078;北京信息科技大学理学院,北京100192
文献出处：
引用格式：
[1]王茂发;冯十辰;黄鸿亮;龚启舟;万泉;徐智-.基于短距空间光谱并行双向RNN的高光谱农业图像分类)[J].南京师范大学学报（工程技术版）,2022(04):1-8
A类：
农业图像,pBRNN,pGRU
B类：
短距,shorten,spatial,spectral,parallel,bidirectional,St,SS,卷积层,空间特征,分类效果,门控循环单元,gate,recurrent,unit,计算量,高光谱图像分类,分类对比,算法性能,优效,效果提升,相关模型,农业用地,用地分类,长短时记忆网络,循环神经网络
AB值：
0.288501
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。
