EN中文

时空信息学报 >

2023 , Vol. 30 >Issue 02: 184 - 192

DOI: https://doi.org/10.20117/j.jsti.202302004

改进的混合2D-3D卷积神经网络高光谱图像分类研究

  • 贺敏慧 ,
  • 何敬 ,
  • 刘刚
展开
  • 成都理工大学地球科学学院
    成都理工大学地质灾害防治与地质环境保护国家重点实验室

网络出版日期: 2024-06-25

基金资助

国家自然科学基金项目（41871303）; 地质灾害防治与地质环境保护国家重点实验室项目（SKLGP2018Z010）; 四川省科技计划项目（2021YFG0365）; 四川省自然资源项目（kj-2021-3）

收起

摘要

卷积神经网络在进行高光谱图像分类时，往往需要设置较多的参数，因此其计算效率受到很大影响。基于混合卷积神经网络模型，本文利用全局平均池化层代替原有的全连接层，将卷积层输出的多个特征图映射为一个特征点，并将多个特征点构成一维向量，形成改进后的混合2D-3D卷积神经网络模型；最后，对改进后的模型分别在IP(IndianPines)数据集、PU(PaviaUniversity)数据集及Botswana数据集上进行测试。结果显示，总体分类精度分别达到99.64%、99.98%、99.91%。这表明在大量减少参数的条件下仍具有较好的分类性能。

关键词： 高光谱图像分类; 卷积神经网络; 二维卷积; 三维卷积; 全局平均池化层

本文引用格式

贺敏慧 , 何敬 , 刘刚 . 改进的混合2D-3D卷积神经网络高光谱图像分类研究[J]. 时空信息学报, 2023 , 30(02) : 184 -192 . DOI: 10.20117/j.jsti.202302004

Options
文章导航

/

〈 〉