《表2 不同方法下Indian Pines数据集的分类结果》

  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

《深度学习与遥感数据分析》

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

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。