Generative Adverarial Networks for Hyperspectral Image Classification（2019）——深度学习论文笔记（十一）

最新推荐文章于 2021-12-10 14:48:10 发布
最新推荐文章于 2021-12-10 14:48:10 发布
阅读量827 收藏 4
点赞数 1
分类专栏： DL论文笔记 文章标签： 卷积神经网络 分类算法
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_40721337/article/details/103250306
版权
本文详细介绍了如何使用生成对抗网络（GAN）解决高光谱图像分类问题，特别是1D-GAN和3D-GAN的框架。通过对Salinas、IP和KSC数据集的实验，证明了GAN在提高分类精度和缓解深度学习过拟合方面的有效性。1D-GAN和3D-GAN通过对抗训练提升了分类性能，且生成的对抗样本可用于数据增强，进一步改善分类结果。
摘要由CSDN通过智能技术生成

Generative Adversarial Networks for Hyperspectral Image Classification（2019）

文章目录

Abstract

  生成对抗网络包括生成器和鉴别器，本文使用一个CNN来鉴别输入，使用一个CNN来产生假目标。这两个CNN一起训练，生成器试图以假乱真，鉴别器试图区分真假目标。这种对抗训练改善了判别器的泛化能力，这在样本量少时显得十分重要。本文提出了两个方案：1）光谱分类器1D-GAN；2）光谱-空间分类器3D-GAN。而且本文将生成对抗样本和真目标一起用于鉴别器的微调。提出方法在三个数据集中进行实验验证：Salinas、IP、KSC，相比其他方法，提出方法分类精度很高。此外，GANs为高光谱分类任务提供了新思路，基于GANs的方法在分析复杂非线性数据时具有很大潜力。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
immortal12
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
订阅专栏
Deep Recurrent Neural Networks for Hyperspectral Image Classification（2019）——深度学习论文笔记（五）
immortal的小屋
05-28 1408
Deep Recurrent Networks for Hyperspectral Image Classification（2019） Abstract   vector-based ML方法在表示HSI像元时，会导致其内在的序列结构信息损失。论文首次提出将HSI像元视为sequence data，用一个经过调整的RNN框架来处理。   经过调整的RNN框架： 使用了一个新的激活函数——PRe...
Generative Adversarial Networks for Hyperspectral Image Classification
a601165974的博客
04-20 2095
Generative Adversarial Networks for Hyperspectral image Classification摘要简介背景如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FL...
读“Hyperspectral Image Classification With Squeeze Multibias Network”
skhahaha的博客
04-23 490
1、传统分类方法出现的问题： （1）将固定尺寸的 image patch作为输入，这可能包含多种地表类别，影响分类效果。 （2）传统CNN参数太多，影响训练效率。 2、本文看点：SMBN网络（squeeze multibias network）可以提高分类性能和运行速度。 （1）提出MBM（multibias module），根据不同物体偏差的大小，将input patches的特征...
【Paper】Graph Convolutional Networks for Hyperspectral Image Classification
pangpd的博客
11-30 1095
当前的现状 （1）虽然CNN在捕捉空-谱信息具备优势，但是它在样本之间的建模能力依然有限。 （2）由于在所有数据上都要构造邻接矩阵，传统的GCN计算量很大，特别是在大规模的遥感问题上。 本文贡献 GCNs 超越了网格采样的局限性，并成功地应用于不规则（或非网格）数据的表示和分析。 （1）本文从HS图像分类的角度对CNNs和GCNs（定性和定量）进行了深入的研究； （2）针对GCN计算量很大，提出了一种新的小批量GCN（简称miniGCN），它允许以小批量的方式训练大规模GCN。miniGCN能够在不重新训练
Deep Learning for Hyperspectral Image Classification：An Overview（2019）——深度学习论文笔记（一）
immortal的小屋
05-28 4992
Deep Learning for Hyperspectral Image Classification：An Overview（2019） Abstract   首先，总结了传统机器学习方法的不足以及深度学习的优势。   然后，根据文献中网络提取的特征将最近的研究成果分为3类：spectral-feature networks，spatial-feature networks，spectral-...
[深度学习论文笔记][Image Classification] Identity Mappings in Deep Residual Networks
Hao_Zhang_Vision的博客
10-14 918
He, Kaiming, et al. “Identity mappings in deep residual networks.” arXiv preprint arXiv:1603.05027 (2016). (Citations: 43). 1 Identity Mapping [Original Residual Unit and Proposed Residual Unit]
[深度学习论文笔记][Image Classification] ImageNet Classification with Deep Convolutional Neural Networks
Hao_Zhang_Vision的博客
09-23 1937
Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. “Imagenet classification with deep convolutional neural networks.” Advances in neural information processing systems. 2012. [Citations: 6774].
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications_简单总结
m0_37569924的博客
03-10 1699
SR_简单总结 ① GANrecursive networkResidual networkCNNAUTO ENCODERELSE SR_简单总结 ① ) GAN GANISRGAN: Improved Super-Resolution Using Generative Adversarial Networks （CVC) G-GANISR: Gradual generative adversa...
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 8731
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
2021年最新，90篇最新GAN/对抗论文汇总（链接自取）
Python4857的博客
12-10 3216
001 (2021-12-8) Adverse Weather Image Translation with Asymmetric and Uncertainty-aware GAN https://arxiv.org/pdf/2112.04283.pdf 002 (2021-12-8) Assessing a Single Image in Reference-Guided Image Synthesis https://arxiv.org/pdf/2112.04163....
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3187
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
Deep Pyramidal Residual Networks for Spectral-Spatial HSIs Classification（2019）——深度学习论文笔记（二）
immortal的小屋
05-28 1238
Deep Pyramidal Residual Networks for Spectral-Spatial Hyperspectral Image Classification（2019） Abstract   CNNs在图像处理任务上表现良好，但由于高光谱影像自身的复杂性（高维，信息冗余，有噪声等），标准的CNN方法不能提取出discriminative spectral-spatial fea...
【论文笔记】CVPR三篇HIC论文
immortal的小屋
06-12 608
1 Hyperspectral image classification based on multi-scale residual network with attention mechanism Zhang, Xiangdong, Tengjun Wang and Yun Yang. “Hyperspectral Images Classification Based on Multi-scale Residual Network.” (2020). 1.1 具体方法   为了提取有效信息，忽略无效
【论文笔记】Visual Attention-Driven Hyperspectral Image Classification
immortal的小屋
05-28 597
J. M. Haut, M. E. Paoletti, J. Plaza, A. Plaza and J. Li, “Visual Attention-Driven Hyperspectral Image Classification,” in IEEE Transactions on Geoscience and Remote Sensing, vol. 57, no. 10, pp. 8065-8080, Oct. 2019, doi: 10.1109/TGRS.2019.2918080. Haut .
高光谱图像分类《Spatial Sequential Recurrent Neural Network for Hyperspectral Image Classification》
热门推荐
lemontree的博客
10-17 1万+
空间序列递归神经网络用于高光谱图像分类 本文基于2018年发表于期刊Journal of Selected Topics in Applied Earth Observations and Remote Sensing上的论文“Spatial Sequential Recurrent Neural Network for Hyperspectral Image Classification” ...
IGARSS2017_SSRN 读后感DEEP RESIDUAL NETWORKS FOR HYPERSPECTRAL IMAGE CLASSIFICATION
hanlinger_的博客
01-27 1195
全文都在和CNN作比较 最强优点鲁棒性 v Challenge：首先，Hughes现象是指随着训练数据维数的增加，识别准确率急剧下降，来自数百个频谱带[2]。 其次，它们的高空间分辨率使得小物体的识别成为可能，但增加了相邻像素之间的高相关性。 v 3DCNN模型的分类精度随层数的增加而减小。 DL模型最近的应用表明，利用模型学习的特征而不是手工特征来分析HSI是一种新的趋势。 v Res网
Generative Adversarial Network (GAN) papers (2018.2.4 更新）
omnispace的博客
11-07 6619
AdversarialNetsPapersThe classic about Generative Adversarial NetworksThe First paper [Generative Adversarial Nets] [Paper][Code](the First paper of GAN)Unclassified [Deep Generative Image Models usin...
Semi-Supervised Learning with Generative Adversarial Networks
jsliuqun的博客
04-13 6923
通过使判别器网络输出类别标签将GAN扩展成半监督的。在一个N类别的数据集上训练生成模型G和判别模型D。训练时，D预测输入数据属于N个类别中的哪一个，加入一个额外的类别对应G的输出。我们证明，相对与普通的GAN，此方法可以用来生成一个更有效的分类器并可以生成高质量的样本。
深度学习：详解Generative Adversarial Networks（GAN）
生成对抗网络（GANs）是由Ian Goodfellow等人在2014年提出的深度学习框架，其核心思想是通过两个神经网络模型——生成器（Generator）和判别器（Discriminator）之间的博弈来训练模型，生成器试图创造出逼真的数据，...
评论 3
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

打赏作者

immortal12

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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