PulseAugur
中
实时 09:15:04
English(EN) Adaptive Band Selection for Hyperspectral Classification with Spatially Disjoint Evaluation

新方法提高高光谱分类精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为SGBR-HC的新型两阶段超光谱波段选择方法，旨在提高分类精度。该方法使用监督光谱排序来初始化可训练的稀疏门控，从而允许在训练过程中确定所选波段的数量，而不是预先固定。在对具有空间分离验证的标准数据集进行评估时，SGBR-HC使用大约二十个波段实现了高精度，这凸显了其排序先验和仔细评估以避免空间泄露的重要性。 AI

排序理由 这是一篇描述高光谱分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Ikram El-Hajri (International University of Rabat, Rabat, Morocco), Ouassim Karrakchou (International University of Rabat, Rabat, Morocco), Alejandro Mousist (Thales Alenia Space, Spain) ·

    具有空间分离评估的超光谱分类自适应波段选择

    arXiv:2606.06684v1 Announce Type: new Abstract: Hyperspectral band selection methods based on differentiable selectors can be sensitive to initialization and to extracting a final discrete subset, while prescribed band counts limit flexibility. We propose SGBR-HC (Spectral-Group …

相关实体

相关话题