《表2 不同方法下Indian Pines数据集的分类结果》
在高光谱影像数据集Indian Pines上随机选择200个样本作为训练样本,由于某些类的像素数量不足,选择了10个类别进行训练和测试,剩余数据用于测试提出的网络模型。与多层全连接(fully connect,FC)神经网络(multi-layer dynamic neural networks,MDNN)、包含两层卷积层和两层全连接层的CNN(spatial CNN,SCNN)[10]、具有9个卷积层的上下文深度神经网络(crossdomain CNN,CDCNN)[11]和深度置信网络(diversify-deep brief networks,D-DBN)[12]进行了比较,结果见表2。HIFNet-CRF在高光谱图像数据集上获得的分类准确度要高于其他。这表明HIFNetCRF可以有效利用高光谱图像的空间-光谱信息。
图表编号 | XD00210071900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.05 |
作者 | 张立强、李洋、侯正阳、李新港、耿昊、王跃宾、李景文、朱盼盼、梅杰、姜颜笑、李帅朋、辛奇、崔颖、刘素红 |
绘制单位 | 北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、中国地质大学(北京)土地科学技术学院、桂林理工大学测绘地理信息学院、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部、北京师范大学地理科学学部 |
更多格式 | 高清、无水印(增值服务) |