受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提高分类精度。在该框架中,分别采用含有空洞卷积的一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)提取高光谱图像的光谱特征和空间特征。再采用加权融合方法对提取的空间特征和光谱特征进行融合。最后将融合后的特征输入支持向量机进行最终分类。对两个常用的高光谱图像数据集进行实验并与现有的4种分类方法进行比较,结果表明,所提框架具有更好的分类性能。
2021-09-22 14:50:28
1.87MB
1
c# 实现的基于tensorflow的图片分类识别程序实例。需要netframework4.7.1
2021-09-18 14:22:00
156.02MB
1
著名的猫图像标注数据集（Cat Annotation Dataset），包含 10000张 各种类型和环境下猫的图像以及相应的猫轮廓位置标注信息。
2021-09-17 22:03:40
1.84GB
1
Caltech-UCSD Birds 200 是一个鸟类图片数据集，包含 200 不同种鸟类，共计 11788 张图片。
2021-09-16 11:07:42
1.8GB
1
The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。
2021-09-11 20:10:29
773.72MB
1