没有合适的资源?快使用搜索试试~ 我知道了~
3DCAE-hyperspectral-classification:基于三维卷积自动编码器的高光谱分类无监督空间光谱特征学习
共27个文件
py:10个
ds_store:8个
xml:3个
需积分: 26 15 下载量 49 浏览量
2021-05-06
11:21:32
上传
评论 2
收藏 6.09MB ZIP 举报
温馨提示
基于三维卷积自动编码器的高光谱分类无监督空间光谱特征学习 通过,,,张治,,。 拟议框架 介绍 与传统的手工特征提取算法相比,使用深度神经网络(DNN)的特征学习技术表现出卓越的性能。 但是,DNN通常需要大量的训练样本来学习有效的特征,而在高光谱图像中很难获得有效的特征。 因此,在本文中,提出了一种使用三维卷积自动编码器(3D-CAE)的无监督空间光谱特征学习策略。 提出的3D-CAE仅包含3D或元素操作,例如3D卷积,3D池化和3D批处理归一化,以最大程度地探索空间光谱结构信息以进行特征提取。 还设计了一个配套的3D卷积解码器网络来重建输入模式,通过该模式,可以训练网络中涉及的所有参数而无需标记训练样本。 在多个基准高光谱数据集上的实验结果表明,我们提出的3D-CAE在提取空间光谱特征方面非常有效,不仅在传统的非监督特征提取算法方面表现出色,而且在分类应用中也优于许多监督特征提取算
资源推荐
资源详情
资源评论
收起资源包目录
3DCAE-hyperspectral-classification-master.zip (27个子文件)
3DCAE-hyperspectral-classification-master
.gitignore 1KB
preprocess
__init__.py 103B
.DS_Store 6KB
train_test_split.py 10KB
pre_process_by_yield.py 7KB
.idea
misc.xml 208B
workspace.xml 9KB
modules.xml 272B
preprocess.iml 459B
hyperspectral_datasets.py 2KB
model
.DS_Store 8KB
trained_by_indian
.DS_Store 6KB
hyperspectral_datas
indian_pines
data
.DS_Store 6KB
Indian_pines_gt.mat 1KB
Indian_pines_corrected.mat 5.68MB
.DS_Store 6KB
.DS_Store 6KB
Framework.jpg 557KB
README.md 3KB
net
__init__.py 0B
.DS_Store 6KB
DCAE_v2.py 3KB
test.py 799B
hyperspectral_datasets.py 2KB
evaluate
.DS_Store 6KB
PSNR.py 800B
train.py 6KB
共 27 条
- 1
资源评论
工程求知者
- 粉丝: 31
- 资源: 4608
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功