高光谱图像分类论文复现--HybridSNNet

最新推荐文章于 2024-06-13 17:55:29 发布
最新推荐文章于 2024-06-13 17:55:29 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 高光谱图像分类 文章标签： 神经网络 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36338830/article/details/114284413
版权
本文介绍了HybridSNNet在高光谱图像分类的复现过程，通过训练和验证，模型在IndianPines数据集上取得了优秀的性能，最终测试准确率达到了0.976671。
摘要由CSDN通过智能技术生成

高光谱图像分类–HybridSNNet

论文名：HybridSN: Exploring 3D-2D CNN Feature Hierarchy for Hyperspectral Image Classification
在这里插入图片描述

在这里插入图片描述

复现效果：
IndianPines train_size=0.1 1024个训练样本

optimizer’s state_dict:
‘lr’: 0.0005, ‘momentum’: 0.9
epoch:0/100 iter:7/8 loss:2.460165
epoch:1/100 iter:7/8 loss:2.176685
epoch:2/100 iter:7/8 loss:1.679265
epoch:3/100 iter:7/8 loss:1.689592
epoch:4/100 iter:7/8 loss:0.913613
val …
val_acc: 0.609375
epoch:5/100 iter:7/8 loss:0.747501
epoch:6/100 iter:7/8 loss:0.729928
epoch:7/100 iter:7/8 loss:0.681291
epoch:8/100 iter:7/8 loss:0.294558
epoch:9/100 iter:7/8 loss:0.230140
val …

最低0.47元/天 解锁文章
一条小白鱼
关注
专栏目录
自动驾驶感知论文复现-HybridNets（含bug解决）
weixin_47151388的博客
03-26 1280
论文题目：《HybridNets: End-to-End Perception Network》论文摘要：端到端网络在多任务处理中变得越来越重要。其中一个突出的例子是驾驶感知系统在自动驾驶中的重要性日益增加。本文系统地研究了一个端到端多任务感知网络，并提出了几个关键的优化方法来提高准确率。首先，提出了基于加权双向特征网络的高效分割头和盒/类预测网络;其次，提出了加权双向特征网络中每个层次的自动自定义锚点;第三，提出了一种有效的训练损失函数和训练策略来平衡和优化网络。
高光谱资料整理
刘广鑫的博客
03-08 3593
高光谱资料整理高光谱数据集高光谱数据的处理特征选择与提取方法特征选择特征提取 高光谱数据集 一些常用的数据集 http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes#Indian_Pines 印度松数据集（India pine） 该数据集大小为145x145大小，原本为220个连续波段，剔除不能被水反射的20个波段，得到200波段的数据集。 以下为india pine 数据集中所含有的的类别情况，共含有
高光谱论文
celi_echo的博客
09-13 756
https://ieeexplore.ieee.org/document/8445697/ https://ieeexplore.ieee.org/document/8127433/ https://ieeexplore.ieee.org/document/7729856/ https://ieeexplore.ieee.org/document/8297014/ https://ieee...
高光谱图像分类论文学习——SuperPCA！
qq_36338830的博客
05-18 1853
SuperPCA: A Superpixelwise PCA Approach for Unsupervised Feature Extraction of Hyperspectral Imagery Junjun Jiang , Member, IEEE, Jiayi Ma , Member, IEEE, Chen Chen, Member, IEEE, Zhongyuan Wang, Member, IEEE, Zhihua Cai, and Lizhe Wang , Senior Member, I.
【高光谱遥感分类论文解读1】Hyperspectral Image Classification Using Group-Aware Hierarchical Transformer(GAHT)
最新发布
qq_52868077的博客
06-13 1208
GAHT高光谱遥感语义分割论文解读
遥感高光谱分类文献阅读：Exploring Hierarchical Convolutional Features for Hyperspectral Image Classification
兔角与禅
03-19 1204
Exploring Hierarchical Convolutional Features for Hyperspectral Image Classification 2018.11月的TGRS文章。 本文的基本任务是学习出一个特征，从而可以结合谱特征和deep net的空间特征，得到一个spectral–spatial feature representation。这样得到的特征空间中同类的距...
基于 ＫＬ⁃ＩＳＯＭＡＰ 的高光谱图像彩色可视化-论文
05-25
在高光谱图像处理领域，彩色可视化技术是一项重要的技术，它使得人们能够通过色彩的变化来理解和分析高光谱图像中所蕴含的丰富信息。高光谱图像（HSI）是一种包含了大量波段信息的图像类型，它不仅包含丰富的空间...
常用的高光谱图像分类数据集
05-18
在IT领域，特别是遥感和图像处理行业，高光谱图像分类是一项关键技术。这些数据集是研究者和工程师用于开发和测试算法的重要资源。以下是对标题和描述中提及的几个高光谱图像分类数据集的详细说明： 1. **Indian ...
高光谱图像分类
03-06
讲述高光谱图像的分类方法，特征，判据、准则，算法等等
deep learning for image classification
09-16
deep learning for image classification,
2020高光谱论文简读（分类1）
a601165974的博客
04-21 892
Deep Feature Fusion via Two-Stream Convolutional Neural Network for Hyperspectral Image Classification 发表于TGRA 1)提出了一种新的两流CNN结构用于HSI分类，它可以并行提取光谱、局部空间和全局空间信息。该方法在统一的目标函数下，对特征提取、融合和分类进行端到端的训练。 2）提出了一种基于...
高光谱图像分类论文学习————SSRN
qq_36338830的博客
10-07 2451
    今天学习的文章是Spectral-Spatial Residual Network for Hyperspectral Image Classification: A 3-D Deep Learning Framework 引用： Z. Zhong, J. Li, Z. Luo, and M. Chapman, “Spectral–spatial residual network for hyperspectral image classification:
[论文复现]Deep Feature Interpolation for Image Content Changes
yanshuai_tek的博客
01-10 986
Demo1 1.下载源码 https://github.com/paulu/deepfeatinterp 2.上传到服务器 3.干净的环境需要安装pip apt-get install python-pip 4.安装依赖包 pip install numpy scikit-image Pillow opencv-python scipy dlib lutorpy execnet t
CVPR2016(classification)：ResNet-论文解读与复现《Deep Residual Learning for Image Recognition》
要相信光
07-01 2957
文章目录原文地址论文阅读方法初识（Abstract & Introduction & Conclusion）相知（Body）2. Related Work3. Deep Residual Learning3.1 Residual Learning3.2 Identity Mapping by Shortcut3.3 Network Architecture3.4 Implementation4. Experiments4.1 ImageNet Classification![在这里插入图片
经典论文复现 | 基于深度学习的图像超分辨率重建
Paper weekly
09-27 5894
过去几年发表于各大 AI 顶会论文提出的 400 多种算法中，公开算法代码的仅占 6%，其中三分之一的论文作者分享了测试数据，约 54% 的分享包含“伪代码”。这是今年 ...
[HSI论文阅读] | HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification
学习笔记
03-01 5522
写在前面 ⭐️上周六导师说学院要一份研究报告小结，发现之前看过的很多论文笔记没带回家，果然及时整理成电子版的比较方便。 ⭐️本文整理的论文HybridSN于2020.2发表于IEEE Geoscience and Remote Sensing Letters，这篇论文最让我好奇的是，其测试准确率在高光谱公共数据集Salines Scence上达到了100%！与之前的模型SSRN相比，HybridSN以提升一个数量级的可训练参数为代价，进一步提升了准确率。前段时间把这篇论文又认真阅读了一次，并在Colab上运
自适应高光谱图像聚类：空间-光谱融合新方法
“空间-光谱融合的自适应高光谱图像聚类方法研究 .pdf”是一篇关于高光谱图像处理技术的学术论文，作者为李嫣然和李清勇。该研究关注的问题是传统高光谱图像由于空间分辨率低，导致在聚类和材质鉴别方面的效果不佳，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值