典型文献
多尺度特征融合残差网络的高光谱地物分类
文献摘要：
为充分提取高光谱图像（HSI）的光谱空间信息特征，实现HSI的高精度地物分类，提出端到端的多尺度特征融合残差（MFFI）模块。该模块结合了3D多尺度卷积、特征融合以及残差连接3种手段，实现了HSI多尺度光谱空间特征的联合提取。因模块具有端到端特性，可通过堆叠多个MFFI模块得到具有提取深层特征能力的MFFI网络。该网络在Salinas、Indian Pines和University of Pavia 3个HSI数据集的平均总体准确率为99.73%，平均准确率为99.84%，平均卡帕系数为0.9971。结果表明：MFFI模块可以有效提取不同类型地物数据集的光谱空间特征，并取得良好的分类结果。
文献关键词：
高光谱图像分类;残差结构;多尺度特征融合;光谱空间特征提取;卷积神经网络
中图分类号：
作者姓名：
邓子青;王阳;张兵;丁召;边历峰;杨晨
作者机构：
贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心，贵州 贵阳 550025;中国科学院苏州纳米技术与纳米仿生研究所，江苏 苏州 215123
文献出处：
引用格式：
[1]邓子青;王阳;张兵;丁召;边历峰;杨晨-.多尺度特征融合残差网络的高光谱地物分类)[J].激光与光电子学进展,2022(18):1810014
A类：
MFFI,光谱空间特征提取
B类：
多尺度特征融合,融合残差,残差网络,地物分类,分提,HSI,空间信息特征,端到端,多尺度卷积,残差连接,联合提取,堆叠,深层特征,Salinas,Indian,Pines,University,Pavia,平均准确率,卡帕,有效提取,高光谱图像分类,残差结构
AB值：
0.272465
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。
