科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2023
- 单位地质灾害防治与地质环境保护国家重点实验室; 成都理工大学
