论文笔记
文章平均质量分 73
weixin_42402402
这个作者很懒,什么都没留下…
展开
-
Global Prototypical Network for Few-Shot Hyperspectral Image Classification
针对few-shot learning, 本文提出了一种Global Prototypical Network(全局原型网络),首先回顾一下传统的原型网络结构。 一、传统的原型网络 通过神经网络学会一个“好的”映射,训练样本集分为support set和query set,将各个训练样本投影到同一空间中,对于每种类型的样本提取support set的中心点(mean)作为原型(prototype)。随后使用欧几里得距离作为距离度量,训练使得query set到自己类别原型的距离越近越好,到其他类别原型的距原创 2021-06-05 10:17:54 · 389 阅读 · 1 评论 -
Deep Relation Network for Hyperspectral Image Few-Shot Classification
Remote Sens. 2020, 12(6), 923; 1、摘要 这篇文章旨在探索如何仅使用少量标记样品对新的高光谱图像进行准确分类。使用元学习(meta-learning)来训练分类器。本文提出的方法能够用少量的样本达到很好的分类效果,主要基于以下两个原因:第一,使用元学习策略来设计特征学习模块和关系学习模块;第二,本文提出的分类器能够持续的从大量不同的样本中学习如何增强自己的学习能力。 2、方法 1)few-shot classification 论文提出的针对于小样本的分类方法共分为三个步骤。首原创 2021-01-08 16:51:24 · 534 阅读 · 3 评论 -
Deep Few-Shot Learning for Hyperspectral Image Classification
Deep Few-Shot Learning for Hyperspectral Image Classification 作者:Bing Liu , Xuchu Yu, Anzhu Yu, Pengqiang Zhang, Gang Wan, and Ruirui Wang 出处:IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 发表时间:2019 1.1摘要与贡献: 目前,深度学习方法已被成功用于高光谱图像(HSI)分类。然而,想要训练一个深度学习.原创 2020-08-28 10:46:43 · 1072 阅读 · 0 评论