一篇新综述论文：使用深度学习进行小样本超光谱图像分类

今日收到Neurocomputing杂志的来信，告知我们的综述论文正式上线了，论文信息如下。论文是Open Access，欢迎各位阅读并指正。下面我说说这篇邀稿论文的起源。

Sen Jia, Shuguo Jiang, Zhijie Lin, Nanying Li, Meng Xu, Shiqi Yu,
A survey: Deep learning for hyperspectral image classification with few labeled samples,
Neurocomputing,
Volume 448,
2021,
Pages 179-204,
ISSN 0925-2312,
https://doi.org/10.1016/j.neucom.2021.03.035

---

---

这个得从2014-2015年说起，当时深度学习新兴起，深圳大学贾森教授跟我讨论能否用深度学习对超光谱图像进行分类。超光谱图像被广泛用于遥感测绘等，每个像素可以达200个波段，而彩色图像只有RGB三个波段。超光谱图像信息量比彩色图像丰富很多。超光谱图像分类的难题是有标注的数据太有限。

超光谱图像需要用卫星或者飞机拍摄，然后派人去现场查看地表物是什么，再进行标注。（下图就是一个超光谱图像的标注）这使得大量标注样本非常困难。而深度学习最擅长的是从大量样本里学习，小样本很容易导致过拟合。