likyoo的博客

Deep Learning for Classification of Hyperspectral Data: A Comparative ReviewINTRODUCTION由于大多数高光谱传感器的空间分辨率较低，因此为计算机视觉而设计的深度学习技术不容易转移到高光谱数据中，因为在大多数情况下，光谱维度胜过空间信息。与光学图像相比，数据的volume相似，而结构完全不同。此外，低空间分辨率实际上限制了可用于训练统计模型的样本数量。这也增加了监督学习中所需的注释过程的难度，因为混合像元的存在。为了将深

原文：代码：Abstract本文设计了一个又深又宽的CNN来进行高光谱图像分类，称之为 contextual deep CNN。通过联合相邻像素向量的局部空间-光谱关系来探索局部上下文交互信息。这种对空间-光谱信息的联合式探索是通过多尺度卷积实现的。作者认为将从多尺度卷积组获得的初始空间和光谱特征图组合在一起，就形成了联合的空间光谱特征图。最后将得到的特征图送到一个全卷积网络中。I. INTRODUCTION深度学习已经用在高光谱分类中，但是由于数据量少，训练样本不足，无法使用参数量较多

论文地址：IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing SymposiumIEEE, 2019.ABSTRACT本文结合了fully convolutional networks (similar to U-Net) for feature representation 和recur...

arXiv:1810.08462v1 [cs.CV] 19 Oct 2018论文地址：ABSTRACT提出三种全卷积的结构用于已配准的图像对的变化检测，可检测RGB和多光谱的图像。从头的监督训练，比related systems 快500倍。1. INTRODUCTION...

论文地址：https://sci-hub.ren/10.1109/lgrs.2017.2738149Abstract提出了一种基于深度孪生卷积网络的新型有监督变化检测方法，用于光学航空图像。 我们使用加权对比损失训练孪生卷积网络。 该方法的新颖之处在于，可以学习孪生网络以直接从图像对中提取特征。 与传统的变化检测方法使用的手工特征相比，提取的特征更加抽象和强大。 此外，由于加权对比损...

Urban change detection for multispectral earth observation using convolution neural networkarXiv:1810.08468v1 [cs.CV] 19 Oct 2018论文地址：https://arxiv.org/abs/1810.08468ABSTRACT本文探讨了使用CNN对多光...

原文：https://arxiv.org/abs/1810.09111Code：https://github.com/gmayday1997/ChangeDetAbstract提出了一种全卷积孪生度量网络 fully Convolutional siamese metric Network(CosimNet) 。可以通过自定义隐式度量来度量变化。 要了解更多判别指标，我们利用对比...

基于卷积神经网络特征的卫星图像变化检测Mohammed El Amin, A., Liu, Q., & Wang, Y. (2016)原文地址：http://sci-hub.ren/10.1117/12.2243798主要内容：把要比较的图像图像I1和I2通过“divide to grid”的方式放入pre-trained 的改动了的AlexNet 中，把5个卷积层的fe...

DOTA：用于航空图像中目标检测的大规模数据集原文：https://arxiv.org/pdf/1711.10398.pdf官网：https://captain-whu.github.io/DOTA/dataset：https://captain-whu.github.io/DOTA/dataset.htmlAbstract对象检测是计算机视觉中一个重要且具有挑战性的问题。 尽...