科研之友
微信
新浪微博
Facebook
分享链接
摘要
高光谱图像是三维图像，其像素中丰富的信息可用于地物识别，因此高光谱图像分类已成为遥感界一个重要的研究课题。近年来，随着深度学习的发展，利用图卷积网络(GCN)对高光谱图像进行分类已经取得了显著成就，但一般基于GCN的训练算法在提取特征时需要进行递归计算，因此将其应用于大规模图数据集时具有非常高的计算成本。文章构建层级学习图卷积网络(L-GCN)模型，通过采用分层的训练方式，对特征聚合和特征变换进行了分解，将其用于高光谱图像分类，能够在保持相当性能的同时降低训练时间。实验验证了该方法的有效性。
- 单位
