《表4 PU数据集在小样本情况下的分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN的双边融合网络在高光谱图像分类中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

小样本问题是现有HSI分类方法中普遍存在的问题。为了评估双边融合块网络在小训练集下的分类性能，本文从各类中随机抽取一定比例的样本作为训练集，剩下的样本作为测试集。对于IP数据集，本文随机选取了1%、3%、5%、7%、10%的训练样本进行测试；对于PU数据集，随机选取0.5%、1%、2%、3%、5%的训练样本进行测试；对于SA数据集，随机选取0.1%、0.5%、1%、2%、3%的训练样本进行测试。测试结果如表3～表5所示。可以看出，双边融合块网络具有非常好的小样本分类性能，对SA数据集分类表现最佳，0.5%的训练样本OA即可达到98.71%；其次是PU数据集，2%的训练样本的OA为98.74%；在IP数据集的表现上，10%的训练样本OA可达98.45%。