HSI图像学习路线参考

HSI图像学习路线参考

学习路线大致可以分为代码相关和原理相关。

两者在学习顺序上应当是并行的，两者会自然地相互促进，学习代码也离不开对论文的学习。

但是在不同时期侧重点不同，建议顺序：

• 入门阶段从一两篇综述、一两篇经典论文开始学习，了解该领域基本术语、要做的任务、大致方向等；
• 随后进行代码学习，1对已有经典开源代码的学习；2对某篇经典论文进行代码复现；
• 广泛的阅读前沿论文，激发idea，并通过代码进行初步验证

代码相关

1 对经典代码学习

​ 借助一份经典代码，通过debug模式逐行运行，理解各行代码、各函数的功能，并根据运行过程了解：

• 对数据集的处理（读取/转置、预处理、取patch、抽样划分训练集）

• HSI分类的一般流程 （数据读取、数据预处理、训练集测试集划分、模型设计、选取优化器/损失函数等深度学习组件、训练/验证、预测、结果可视化）

• 深度学习训练的一般流程（pytoch 、tensorflow略有区别 ，目前pytorch应用较多）

• 模型设计 通过逐行debug理解网络forward过程中，特征维度/数量的调整与变化、tensor数据的不同转换（cpu/gpu/numpy）

• 其他细节 模型预测/结果可视化/PCA等相关函数的学习