• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Geoscience and Remote Sensing Symposium >Can We Generate Good Samples for Hyperspectral Classification? — A Generative Adversarial Network Based Method
【24h】

Can We Generate Good Samples for Hyperspectral Classification? — A Generative Adversarial Network Based Method

机译：我们可以为高光谱分类产生良好的样本吗？ - 一种基于生成的对抗网络方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The insufficiency of training samples is really a great challenge for hyperspectral image (HSI) classification. Samples generation is a commonly used technique in deep learning based remote sensing field which can extend the training set. However, previous methods ignore the real distribution of the training samples in the feature space and thus can hardly ensure that the generated samples possess the same patterns with the real ones. In this paper, we propose a generative adversarial network based method (SpecGAN) to handle this problem. Different from traditional GAN framework where the generated samples have no categories, for the first time we take the label information into consideration for hyperspectral images. Feeding a random noise z and a class label vector y into the generator, we can get a spectral sample of the corresponding category. The experiments on the Pavia University data set demonstrate the potential of the proposed SpecGAN in spectral samples generation.
机译：培训样本的不足是对高光谱图像（HSI）分类的巨大挑战。样本生成是基于深度学习的遥感领域的常用技术，其可以扩展训练集。然而，以前的方法忽略了特征空间中训练样本的真正分布，因此可以几乎不能确保所产生的样本具有与真实的样本相同的模式。在本文中，我们提出了一种生成的对抗网络基于网络的方法（Specgan）来处理这个问题。不同于传统的GaN框架，其中生成的样本没有类别，首次考虑到高光谱图像的标签信息。将随机噪声z和类标签向量y馈送到发电机中，我们可以获得相应类别的光谱样本。 Pavia大学数据集的实验证明了拟议的Spectral样本中所提出的Specgan的潜力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号