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
1