【论文笔记】CVPR三篇HIC论文

最新推荐文章于 2022-02-15 21:07:08 发布
最新推荐文章于 2022-02-15 21:07:08 发布
阅读量618 收藏 3
点赞数
分类专栏： DL论文笔记 文章标签： 深度学习 计算机视觉
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/106697605
版权
本文总结了三篇CVPR论文，涉及高光谱图像分类。第一篇提出了基于多尺度残差网络和注意力机制的方法，通过实验对比了不同Attention策略。第二篇介绍了一种基于卷积的光谱分割架构，通过共享权重和偏置减少参数数量。第三篇研究了利用光谱知识的多任务深度学习，讨论了共享第一层卷积权重的影响。
摘要由CSDN通过智能技术生成

随便找个文章记录一下：classification reports里的recall才是CA

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，忽略无效信息，本文提出了一种引入attention机制的多尺度残差网络。

  1. 整体网络架构
    在这里插入图片描述
了解本专栏 订阅专栏 解锁全文 超级会员免费看
immortal12
关注
专栏目录
订阅专栏
[高光谱] (6w字巨详细) GitHub开源项目Hyperspectral-Classification的解析
真理无穷，进一步有进一步的欢喜
09-11 1万+
GitHub链接：Hyperspectral-Classification Pytorch。 项目简介 项目的作者是Xidian university，是基于PyTorch的高光谱图像地物目标的分类程序。该项目兼容Python 2.7和Python 3.5+，基于PyTorch深度学习和GPU计算框架，并使用Visdom可视化服务器。 预定义的公开的数据集有： 帕维亚大学 帕维亚中心 肯尼迪航天...
使用HybridSN进行高光谱图像分类
雷恩Layne
01-05 4605
一、前言 高光谱图像（Hyperspectral image，以下简称HSI）分类广泛应用于遥感图像的分析，随着深度学习和神经网络的兴起，越来越多的人使用二维CNN对HSI进行分类，而HSI分类性能却高度依赖于空间和光谱信息，但由于计算复杂度增加，很少有人将三维CNN应用于HSI分类中。这篇 Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification构建一种混合网络(HybridSN)解决了HSI分类所遇到的问
高光谱分类 Hyperspectral image (HSI) classification
weixin_44182138的博客
12-17 3457
HSI模型 获得数据、引入基本函数库 ! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat ! wget http://www.ehu.eus/ccwintco/uploads/c/c4/Indian_pines_gt.mat ! pip install spectral import numpy as np import matplotlib.pyplot as plt import scipy.io
Spatial-Spectral Transformer for Hyperspectral Image Classification
陌若安生的博客
02-15 3284
论文地址：https://doi.org/10.3390/rs13030498 Abstract 近年来，人们提出了大量基于深度卷积神经网络(CNN)的高光谱图像(HSI)分类方法。本文提出的基于cnn的方法虽然具有空间特征提取的优势，但它们难以处理序列数据，且cnn不擅长对远程依赖关系进行建模。然而，HSI的光谱是一种序列数据，通常包含数百个波段。因此，cnn很难很好地处理HSI处理。另一方面，基于注意机制的Transformer模型在处理序列数据方面已经证明了其优越性。为了解决长距离HSI序列谱的
SSAN-Spectral-Spatial Attention Networks for Hyperspectral Image Classification
qq_36632466的博客
11-14 2573
paper:Spectral-Spatial Attention Networks for Hyperspectral Image Classification 空谱注意力网络应用于高光谱图像分类 摘要： CNN、RNN等深度学习模型被广泛应用于高光谱任务中提取深层特征。受人类视觉系统的启发，本文提出一种空谱注意力网络来进行高光谱图像分类。本文方法中，具有注意力机制的RNN可以通过连续光谱段学习内部光谱间的关系；具有注意力机制的CNN聚焦于空间域内显著特征和邻近像素的空间相关性。实验结果表面本文方法充分利用
cvpr论文_2018CVPR
04-29
2018CVPR_Dissecting Person Re-identification from the Viewpoint of Viewpoint
ETH3D数据集论文-CVPR-2017 下载
最新发布
08-27
这个数据集由Schops等人在2017年的CVPR会议上发布，旨在解决现有多视图立体基准存在的局限性。ETH3D包含了25个高分辨率场景和10个低分辨率场景，覆盖了室内、室外各种环境，包括自然场景、人造室内和室外环境，为...
SCI论文模板：CVPR、IEEE、TPAMI、ICCV等通用模板
07-03
本压缩包提供了一系列通用论文模板，包括CVPR、IEEE、TPAMI和ICCV等知名会议和期刊的模板，适用于计算机视觉和相关领域的研究人员。 CVPR（Conference on Computer Vision and Pattern Recognition）是计算机视觉...
顶会CVPR 2021上与【图像分类】相关的论文（5篇）
04-08
今年的CVPR有效投稿多达7500篇，一共有1663篇论文被接收，接收率为27%。为此，本文提前为大家整理了五篇CVPR 2021图像分类（Image Classification）相关论文，图像分类topic，大家都很熟悉，但是竞争也比较激烈，...
Hyperspectral-Image-Classification
05-09
高光谱图像分类 Arch.py​​-包含卷积神经网络的实现 其他文件-用于预处理。
Deep Recurrent Neural Networks for Hyperspectral Image Classification（2019）——深度学习论文笔记（五）
immortal的小屋
05-28 1421
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...
[高光谱] GitHub开源项目Hyperspectral-Classification的解析
真理无穷，进一步有进一步的欢喜
08-13 5598
GitHub链接：Hyperspectral-Classification Pytorch。 项目简介 项目的作者是Xidian university，是基于PyTorch的高光谱图像地物目标的分类程序。该项目兼容Python 2.7和Python 3.5+，基于PyTorch深度学习和GPU计算框架，并使用Visdom可视化服务器。 预定义的公开的数据集有： 帕维亚大学 帕维亚中心 肯尼迪航天...
【论文笔记】Visual Attention-Driven Hyperspectral Image Classification
immortal的小屋
05-28 607
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 .
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 1248
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...
Going Deeper with Contextual CNN for Hyperspectral Image Classification
likyoo的博客
12-23 1118
原文： 代码： Abstract 本文设计了一个又深又宽的CNN来进行高光谱图像分类，称之为 contextual deep CNN。通过联合相邻像素向量的局部空间-光谱关系来探索局部上下文交互信息。这种对空间-光谱信息的联合式探索是通过多尺度卷积实现的。作者认为将从多尺度卷积组获得的初始空间和光谱特征图组合在一起，就形成了联合的空间光谱特征图。最后将得到的特征图送到一个全卷积网络中。 I. INTRODUCTION 深度学习已经用在高光谱分类中，但是由于数据量少，训练样本不足，无法使用参数量较多
高光谱图像分类--HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification
AshesOfTimeeee的博客
01-04 2954
《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》 S. K. Roy, G. Krishna, S. R. Dubey, B. B. Chaudhuri HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification, IEEE GRSL 2020 这篇论文构建了一个
遥感高光谱分类文献阅读：Going Deeper with Contextual CNN for Hyperspectral Image Classification
兔角与禅
03-20 2071
Going Deeper with Contextual CNN for Hyperspectral Image Classification 2017年TIP的文章。
[高光谱] 开源项目Hyperspectral-Classification Pytorch解析之main
真理无穷，进一步有进一步的欢喜
10-06 5358
开源项目Hyperspectral-Classification Pytorch解析之main.py ###编码方式： # -*- coding: utf-8 -*- 项目简介： """ DEEP LEARNING FOR HYPERSPECTRAL DATA. This script allows the user to run several deep models (and SVM b...
2018年CVPR目标检测论文精选：混合区域嵌入、FSSD等
这篇推荐列表中提到的第一篇论文——"由混合区域嵌入的Zero-Shot目标检测"，聚焦于解决在无特定目标类别的视觉训练数据情况下进行目标检测的问题，即零样本学习（Zero-Shot Learning）。研究者提出了一种新颖的方法...
评论
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