<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[nicolaskh的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/nicolaskh</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; nicolaskh]]></copyright><item><title><![CDATA[优快云不能删除自己写的博客了么？]]></title><link>https://blog.youkuaiyun.com/nicolaskh/article/details/123047530</link><guid>https://blog.youkuaiyun.com/nicolaskh/article/details/123047530</guid><author>nicolaskh</author><pubDate>Mon, 21 Feb 2022 15:01:00 +0800</pubDate><description><![CDATA[在线等~

]]></description><category></category></item><item><title><![CDATA[Colab更换tensorflow版本]]></title><link>https://blog.youkuaiyun.com/nicolaskh/article/details/123046917</link><guid>https://blog.youkuaiyun.com/nicolaskh/article/details/123046917</guid><author>nicolaskh</author><pubDate>Mon, 21 Feb 2022 14:40:34 +0800</pubDate><description><![CDATA[import os
os.kill(os.getpid(), 9)
%tensorflow_version 1.x
先重启runtime，再换版本
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全]]></description><category></category></item><item><title><![CDATA[高光谱图像文献阅读]]></title><link>https://blog.youkuaiyun.com/nicolaskh/article/details/118404603</link><guid>https://blog.youkuaiyun.com/nicolaskh/article/details/118404603</guid><author>nicolaskh</author><pubDate>Fri, 02 Jul 2021 13:14:41 +0800</pubDate><description><![CDATA[文章目录一、高光谱图像背景介绍二、文章摘要2.1 文章提出的问题2.2 文章提出方法的大致流程三、DMSAN模型3.1 PCA降维3.2 Dense Connectivity3.3 Multiscale Block3.4 Attention Block3.4.1 channel分支3.4.2 spectral分支3.4.3 spatial分支四、实验展示4.1 数据集介绍4.2 联合块的数目对模型性能的影响4.3 多尺度块中卷积核数对模型性能的影响4.4 提取出的数据块的空间大小对性能的影响4.5 PC值对]]></description><category></category></item><item><title><![CDATA[高光谱图像分类：文献阅读]]></title><link>https://blog.youkuaiyun.com/nicolaskh/article/details/117436191</link><guid>https://blog.youkuaiyun.com/nicolaskh/article/details/117436191</guid><author>nicolaskh</author><pubDate>Tue, 01 Jun 2021 13:59:01 +0800</pubDate><description><![CDATA[文献阅读《Multiscale Densely-Connected Fusion Networks for
Hyperspectral Images Classification》

目录一、高光谱图像背景介绍二、文章摘要2.1 文章提出的问题2.2 文章提出方法的思路三、MS-DenseNet3.1 PCA降维3.2 Bicubic算法3.3 Dense Block四、实验展示4.1 数据集介绍4.2 单尺度patch的大小对模型性能的影响4.3 不同尺寸patch的数量对性能的影响4.4 PC值对模型性]]></description><category></category></item><item><title><![CDATA[文献学习]]></title><link>https://blog.youkuaiyun.com/nicolaskh/article/details/115709437</link><guid>https://blog.youkuaiyun.com/nicolaskh/article/details/115709437</guid><author>nicolaskh</author><pubDate>Thu, 15 Apr 2021 21:46:19 +0800</pubDate><description><![CDATA[文献阅读《Feature Extraction With Multiscale Covariance
Maps for Hyperspectral Image Classification》

文章目录一、文献介绍二、文章摘要MNF方法Mutiscale Covariance Maps总结参考文献
一、文献介绍
于2019年发表在IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING上

二、文章摘要
提出了一种基于多尺度协方差图的特征提取方法，然后利用CNN来]]></description><category></category></item></channel></rss>