激光与光电子学进展, 2019, 56 (15): 151006, 网络出版: 2019-08-05   

利用残差密集网络的高光谱图像分类 下载: 1230次

Hyperspectral Image Classification Based on Residual Dense Network
作者单位
信息工程大学, 河南 郑州 450001
引用该论文

魏祥坡, 余旭初, 谭熊, 刘冰. 利用残差密集网络的高光谱图像分类[J]. 激光与光电子学进展, 2019, 56(15): 151006.

Xiangpo Wei, Xuchu Yu, Xiong Tan, Bing Liu. Hyperspectral Image Classification Based on Residual Dense Network[J]. Laser & Optoelectronics Progress, 2019, 56(15): 151006.

引用列表
1、 基于混合卷积网络的高分辨率高光谱图像分类研究激光与光电子学进展, 2022, 59 (24): 2428006
2、 基于多特征融合和混合卷积网络的高光谱图像分类激光与光电子学进展, 2021, 58 (8): 0810010
3、 基于特征融合方法的高光谱图像分类综述激光与光电子学进展, 2021, 58 (4): 0400004
4、 基于多尺度残差网络的小样本高光谱图像分类激光与光电子学进展, 2020, 57 (16): 162801

魏祥坡, 余旭初, 谭熊, 刘冰. 利用残差密集网络的高光谱图像分类[J]. 激光与光电子学进展, 2019, 56(15): 151006. Xiangpo Wei, Xuchu Yu, Xiong Tan, Bing Liu. Hyperspectral Image Classification Based on Residual Dense Network[J]. Laser & Optoelectronics Progress, 2019, 56(15): 151006.

本文已被 4 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!