Mohammed Alkhatib
PulseAugur coverage of Mohammed Alkhatib — every cluster mentioning Mohammed Alkhatib across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
基于空间重叠的高光谱图像分类易受数据泄露影响
一篇新的研究论文强调了高光谱图像分类中的一个关键问题：由基于块的采样中的空间重叠引起的数据泄露。当训练和测试数据来自同一图像，而未考虑空间邻近性时，性能指标可能会显著膨胀。在Pavia University数据集上使用包括3D-CNN和ViT在内的各种模型进行的实验表明，当正确处理空间采样时，这种泄露会导致准确率下降超过40个百分点。研究还发现，增加块大小会加剧重叠问题，这凸显了在高光谱图像分析中采用严谨评估方法的必要性。
-
新框架提升高光谱图像分类效率
研究人员开发了几个用于高效高光谱图像分类的新框架，旨在降低计算成本并提高性能。SpectralTrain将课程学习与PCA集成以加快训练速度，而DE-CFFN使用因子分析和架构修改来实现数据效率。MixerSENet和SS-MixNet引入了带有混合器块和注意力机制的轻量级架构，以用更少的参数和更少的标记数据实现高精度。
-
新的深度学习网络提高了极化SAR图像分类精度
研究人员开发了两种新的深度学习网络用于分类极化合成孔径雷达（PolSAR）图像。HybridCVNet结合了复值卷积神经网络和视觉Transformer，在Flevoland数据集上达到了97.39%的准确率。SDF2Net是一种三分支复值CNN，增强了从浅层到深层的特征融合，在AIRSAR数据集上提高了高达1.3%的准确率，并在采样有限的情况下在Flevoland数据集上达到了96.01%的准确率。