| 改进的混合2D-3D卷积神经网络高光谱图像分类研究 |
| |
| 引用本文： | 贺敏慧,何敬,刘刚.改进的混合2D-3D卷积神经网络高光谱图像分类研究[J].地理信息世界,2023(2):184-192. |
| |
| 作者姓名： | 贺敏慧 何敬 刘刚 |
| |
| 作者单位： | 1. 成都理工大学地球科学学院;2. 成都理工大学地质灾害防治与地质环境保护国家重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目（41871303）；;四川省科技计划项目（2021YFG0365）； |
| |
| 摘 要： | 卷积神经网络在进行高光谱图像分类时，往往需要设置较多的参数，因此其计算效率受到很大影响。基于混合卷积神经网络模型，本文利用全局平均池化层代替原有的全连接层，将卷积层输出的多个特征图映射为一个特征点，并将多个特征点构成一维向量，形成改进后的混合2D-3D卷积神经网络模型；最后，对改进后的模型分别在IP(IndianPines)数据集、PU(PaviaUniversity)数据集及Botswana数据集上进行测试。结果显示，总体分类精度分别达到99.64%、99.98%、99.91%。这表明在大量减少参数的条件下仍具有较好的分类性能。
|
| 关 键 词： | 高光谱图像分类 卷积神经网络 二维卷积 三维卷积 全局平均池化层 |
|
