典型文献
联合分离卷积与密集连接轻量级神经网络的高光谱图像分类
文献摘要：
针对高光谱遥感图像空间分辨率低,标注训练样本困难的问题,本文提出一种基于分离卷积(Separable convolution)与密集连接(Dense connection)的轻量级神经网络SDLN模型.该模型基于DenseNet的思想,同时采用计算量更少的分离卷积代替3D卷积,根据算法提取的光谱信息和空间信息,结合目标及周围像素信息推断其中心像素内容,实现对单像素的分类.基于IP、PU和KSC这3个广泛使用的高光谱数据集进行实验,按照分层抽样的方法,每个类别选取少量样本作为训练集,分类精度分别达到了 97.4％、97.6％、99.2％,与SSRN、SVM-RBF、MDGCN、DBDA及pResNet多种先进分类算法对比,分类精度提高且时间成本降低.
文献关键词：
高光谱图像分类;深度学习;轻量级网络;密集连接;可分离卷积
中图分类号：
作者姓名：
宋廷强;宗达;刘童心;范海生;黄腾杰;蒋晓旭;王浩宇
作者机构：
青岛科技大学信息科学技术学院,青岛266061;珠海欧比特宇航科技股份有限公司人工智能研究院,珠海519080
文献出处：
引用格式：
[1]宋廷强;宗达;刘童心;范海生;黄腾杰;蒋晓旭;王浩宇-.联合分离卷积与密集连接轻量级神经网络的高光谱图像分类)[J].遥感学报,2022(11):2317-2328
A类：
SDLN,MDGCN,pResNet
B类：
密集连接,轻量级神经网络,高光谱图像分类,高光谱遥感图像,图像空间,空间分辨率,训练样本,Separable,convolution,connection,DenseNet,计算量,光谱信息,空间信息,像素,心像,PU,KSC,高光谱数据,分层抽样,少量样本,训练集,分类精度,SSRN,RBF,DBDA,分类算法,算法对比,时间成本,成本降低,轻量级网络,可分离卷积
AB值：
0.355577
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。
