高光谱图像分类
文章平均质量分 91
高光谱图像分类与最优传输方法结合的域适应
shawchan9
吉林大学计算机系研究生,人工智能方向
展开
-
高光谱(四)An Entropic Optimal Transport Loss for Learning Deep Neural Networks under Label Noise in Remo
本文提出的想法在3.2 label noise ,指出了样本中可能存在标签噪声,而错误分类的概率矩阵通常是未知的。本文的解决方案在4.3,找到训练集噪声标签分布~y与分类器 f对目标样本的输出分布f(xt)的最优配对方案,见eq14.原创 2023-04-09 18:37:29 · 222 阅读 · 0 评论 -
高光谱图像域适应论文(一)Unsupervised Domain Adaptation With Dense-Based Compaction for Hyperspectral Imagery
DenseNet中每个层都会接受其前面所有层作为其额外的输入(见图2DenseBlock),类似于ResNet。DenseNet的另一大特色是通过特征在channel维度上的连接来实现特征重用这些特点让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能,计算成本小是因为k比较小。原创 2023-01-11 21:42:55 · 703 阅读 · 1 评论