研究人员开发了一个名为 ReDF 的新框架,以提高使用高光谱图像 (HSI) 和激光雷达数据进行土地覆盖分类的准确性。该框架量化了特定位置来自每个数据源的特征的可靠性,并利用这些信息来校正和融合数据。该方法包括一个类原型库来估计特征可靠性,以及一个重新加权模块来适应性地组合每个模态的贡献以进行最终分类。在三个数据集上进行的实验表明,与现有方法相比,ReDF 实现了更高的总体准确率和 Kappa 分数。 AI
影响 这项研究通过实现更精确的土地覆盖分类,有可能提高遥感应用的准确性。
排序理由 该条目是一篇学术论文,详细介绍了一种新的数据分类方法。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Hyperspectral Image (HSI)
- Influence Flower
- lidar
- Redfoo
- Reliability-Guided Feature Correction
- Reliability-Guided Feature Reweighting
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →