spec-img-finesse:机器学习和物理应用程序类项目-使用SVM和CNN进行层修剪和层压缩的高光谱图像分类

上传者: 42099755 | 上传时间: 2022-06-17 14:59:55 | 文件大小: 12.7MB | 文件类型: ZIP
spec-img-finesse 在他们的工作Makantasis等。 (2015年)表明,使用CNN,高光谱图像可以成功分类。 CNN可以对像素的光谱和空间特征进行编码。 特征的从低到高层次结构极大地提高了分类性能。 在我们的CNN实施中,我们使用层修剪和层压缩方法扩展和优化了它们的方法。 每个植物在电磁频谱上都有其独特的频谱“特征”,可以使用高光谱传感器捕获该特征。 将图像中的高光谱带作为特征,将每个像素作为样本,利用卷积神经网络(CNN)和支持向量机(SVM)对植物进行分类。 CNN优化有助于防止过拟合,加速推理并减少其在内存,电池和计算能力方面的资源。 Keras 2.1.5与Tensorflow 1.7.0结合使用。 使用了印度松树数据集。 使用支持多项式的SVM可以达到83.9%的测试精度,而使用CNN可以达到99.2%的测试精度。 可以在项目报告“使用高光谱图像进行植

文件下载

资源详情

[{"title":"( 19 个子文件 12.7MB ) spec-img-finesse:机器学习和物理应用程序类项目-使用SVM和CNN进行层修剪和层压缩的高光谱图像分类","children":[{"title":"spec-img-finesse-master","children":[{"title":"CNN_version","children":[{"title":"data","children":[{"title":"Indian_pines_gt.mat <span style='color:#111;'> 1.10KB </span>","children":null,"spread":false},{"title":"Indian_pines.mat <span style='color:#111;'> 6.00MB </span>","children":null,"spread":false},{"title":"desktop.ini <span style='color:#111;'> 132B </span>","children":null,"spread":false}],"spread":true},{"title":"final.py <span style='color:#111;'> 15.45KB </span>","children":null,"spread":false}],"spread":true},{"title":"Vegetation Classification Using Hyperspetral Images.pdf <span style='color:#111;'> 1.12MB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"svm_version","children":[{"title":"__MACOSX","children":[{"title":"svm_version","children":[{"title":"._svmClassify.m <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"._denoise.m <span style='color:#111;'> 280B </span>","children":null,"spread":false},{"title":"._Indian_pines_gt.mat <span style='color:#111;'> 513B </span>","children":null,"spread":false},{"title":"._.DS_Store <span style='color:#111;'> 280B </span>","children":null,"spread":false},{"title":"._Indian_pines_corrected.mat <span style='color:#111;'> 520B </span>","children":null,"spread":false},{"title":"._test_project.m <span style='color:#111;'> 280B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"svm_version","children":[{"title":"test_project.m <span style='color:#111;'> 1002B </span>","children":null,"spread":false},{"title":"Indian_pines_corrected.mat <span style='color:#111;'> 5.68MB </span>","children":null,"spread":false},{"title":"Indian_pines_gt.mat <span style='color:#111;'> 1.10KB </span>","children":null,"spread":false},{"title":".DS_Store <span style='color:#111;'> 6.00KB </span>","children":null,"spread":false},{"title":"denoise.m <span style='color:#111;'> 1.34KB </span>","children":null,"spread":false},{"title":"svmClassify.m <span style='color:#111;'> 935B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.30KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明