检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 信息与通信工程
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 样本不均衡
1 篇 多尺度密集网络
1 篇 轻量化
1 篇 高光谱遥感图像分...

机构

1 篇 齐鲁工业大学

作者

1 篇 薛丹

语言

1 篇 中文

检索条件"主题词=多尺度密集网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

高光谱遥感图像分类多尺度密集网络轻量化方法研究

高光谱遥感图像分类多尺度密集网络轻量化方法研究

引用

作者：薛丹齐鲁工业大学

学位级别：硕士

目前,深度学习(Deep Learning,DL)中的卷积神经网络(Convolutional Neural Network,CNN)已经被广泛应用于高光谱遥感图像(Hyperspectral Remote Sensing Images,HSI)分类。同时,研究人员为提高网络模型对HSI的分类精度,不断对卷积神经... 详细信息

目前,深度学习(Deep Learning,DL)中的卷积神经网络(Convolutional Neural Network,CNN)已经被广泛应用于高光谱遥感图像(Hyperspectral Remote Sensing Images,HSI)分类。同时,研究人员为提高网络模型对HSI的分类精度,不断对卷积神经网络进行深度加深和尺度改变,再通过密集连接,构建了多尺度密集网络(Multi-scale Dense Network,MSDN)。但MSDN模型在水平方向上是一个稠密连接网络(DenseNet),造成特征复用冗余,使网络复杂度和参数量增加,进而导致网络使用受计算机性能的约束,在一些实际场景中应用受限。此外,高光谱遥感图像数据集自身存在样本分布不均衡的问题,会降低高光谱遥感图像分类精度。因此,如何对多尺度密集网络轻量化,并且降低高光谱遥感图像样本不均衡对分类精度的影响值得研究。针对上述问题,本文主要进行了如下研究: 1.针对高光谱遥感图像分类多尺度密集网络轻量化,本文通过稀疏交互和池化操作对多尺度密集网络进行轻量化,构建了轻量化多尺度密集网络(Lightweight Multi-scale Dense Network,LMSDN)。具体的,将MSDN网络沿着水平方向分成S=3块,让第i(i=1,2,3)块中仅包含来自上一块的输入特征,不再是包含所有块的输入特征,来实现稀疏交互。在垂直方向上采用平均池化操作替换原来的步幅卷积进行下采样,将“对角块”中的计算进行分组,仅按照分类器所需路径传输,来减少网络模型参数量。此外,考虑到全连接层会产生大量的计算参数,本文使用全局平均池化对卷积层最后输出特征进行展平操作,减少多尺度密集网络的参数量。通过在公开的四个高光谱遥感图像数据集上进行实验,证明了轻量化多尺度密集网络相较于多尺度密集网络在模型复杂度和参数量上有所下降。但轻量化后的多尺度密集网络在降低模型复杂度和参数量的同时,对于样本分布不均衡的高光谱遥感图像的分类精度有所下降。 2.针对LMSDN模型对样本分布不均衡的高光谱遥感图像分类效果不佳的问题,本文从改进LMSDN模型的角度,提出了一种轻量化层间多尺度密集网络(Inter layer Lightweight Multi-scale Dense Network,I+LMSDN)的高光谱遥感图像分类方法。I+LMSDN模型在垂直方向上利用不同感受野卷积核,更多的保留图像关键特征,达到提高分类精度目的。实验结果证明,I+LMSDN模型在减少参数量的同时,提高了 LMSDN模型对样本分布不均衡高光谱遥感图像数据集的分类精度。 3.针对LMSDN模型对样本分布不均衡的高光谱遥感图像分类效果不佳的问题,本文提出了将三维Gabor滤波器组与轻量化多尺度密集网络相结合的高光谱遥感图像分类方法。首先,以π/4为步长、φ和θ为(0,π/4,π/2,3π/4)和f为1/6、1/4、1/3和1/2,构建一组三维Gabor滤波器组来获取高光谱遥感图像的内部空间特征,再将这些特征进行融合后送到轻量化多尺度密集网络进行HSI分类的方法,来减轻网络模型对训练样本的依赖。实验结果证明了,这种方法提高了 LMSDN模型对样本分布不均衡高光谱遥感图像数据集的分类精度。

关键词：高光谱遥感图像分类多尺度密集网络轻量化样本不均衡

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：