科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果。然而，由于传统神经元只能进行标量计算，现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模，因此无法在邻域范围受限的条件下获得令人满意的分类效果。通过引入胶囊网络结构设计了一种新型网络模型，该模型利用胶囊神经元进行向量计算，并利用权重矩阵编码特征间的空间关系，能够进一步提高高光谱影像的分类精度。在帕维亚大学、印第安纳松树林和萨利纳斯山谷数据集上进行验证，实验结果表明，所提出的网络模型较传统算法和卷积神经网络分类模型而言具有更加优异的分类性能，且对训练样本数量和像素邻域范围具有更好的适应性。
-
单位信息工程大学
