首页> 中国专利> 基于全卷积空间传播网络的高光谱图像分类方法

基于全卷积空间传播网络的高光谱图像分类方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明涉及一种基于全卷积空间传播网络的高光谱图像分类方法，针对高光谱图像分类问题，结合深度学习相关技术，首次将基于全卷积空间传播网络应用于高光谱图像分类中。传统的基于卷积神经网络的高光谱图像分类方法都是对图像进行逐像素分类，存在着大量的重复运算，且输入图像的大小对于分类结果有着很大的影响。而全卷积空间传播网络减少了重复运算的同时还可以接受任何尺寸的输入图像，并且充分利用了高光谱图像的空间信息，从而实现一定条件下高光谱图像的高精度分类。

著录项

公开/公告号CN110866552A

专利类型发明专利
公开/公告日2020-03-06

原文格式PDF
申请/专利权人西北工业大学;
展开▼

申请/专利号CN201911078729.X
发明设计人李映;姜晔楠;邹姗蓉;张号逵;
展开▼

申请日2019-11-06
分类号
代理机构西北工业大学专利中心;
代理人刘新琼
地址 710072 陕西省西安市友谊西路127号
入库时间 2023-12-17 06:21:48

法律信息

法律状态公告日

法律状态信息

法律状态
2020-03-31

实质审查的生效 IPC(主分类):G06K9/62 申请日:20191106

实质审查的生效
2020-03-06

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于全卷积空间传播网络的高光谱图像分类方法 [P] . 中国专利： CN110866552A . 2020-03-06
2. 基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法 [P] . 中国专利： CN113361485A . 2021-09-07
3. SYSTEMS AND METHODS FOR DEPTH ESTIMATION VIA AFFINITY LEARNED WITH CONVOLUTIONAL SPATIAL PROPAGATION NETWORKS [P] . EP3815043A1 . 2021-05-05

机译：通过与卷积空间传播网络学习的亲和学习的深度估计系统和方法
4. SYSTEMS AND METHODS FOR DEPTH ESTIMATION VIA AFFINITY LEARNED WITH CONVOLUTIONAL SPATIAL PROPAGATION NETWORKS [P] . US2021174524A1 . 2021-06-10

机译：通过与卷积空间传播网络学习的亲和学习的深度估计系统和方法
5. SYSTEMS AND METHODS FOR DEPTH ESTIMATION USING CONVOLUTIONAL SPATIAL PROPAGATION NETWORKS [P] . 美国专利： US2020273192A1 . 2020-08-27

机译：使用卷积空间传播网络进行深度估计的系统和方法