基于可分离的三维残差网络和迁移学习高光谱图像分类方法
授权
摘要
本发明涉及一种基于可分离的三维残差网络和迁移学习高光谱图像分类方法，首先，设计参数量较少的且适于高光谱图像特点的三维卷积网络。其次，设计不同传感器获取的高光谱图像间的迁移技术和三维卷积网络模型相结合，实现小样本条件下的高光谱图像高精度分类。实现了小样本条件下，高光谱图像深度特征的自主提取，高精度的分类。本发明与现有的基于深度学习的高光谱图像分类方法相比，网络模型更深，精度更高，且参数量更少。
基本信息
专利标题 ：
基于可分离的三维残差网络和迁移学习高光谱图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109754017A
申请号 ：
CN201910018924.7
公开（公告）日 ：
2019-05-14
申请日 ：
2019-01-09
授权号 ：
CN109754017B
授权日 ：
2022-05-10
发明人 ：
李映姜晔楠张号逵呼延烺
申请人 ：
西北工业大学
申请人地址 ：
陕西省西安市友谊西路127号
代理机构 ：
西北工业大学专利中心
代理人 ：
刘新琼
优先权 ：
CN201910018924.7
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-05-10 ：
授权
2019-06-07 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20190109
申请日 : 20190109
2019-05-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
