基于模型无关元学习算法和卷积神经网络的高光谱图像小样本分类

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-22 19:45:38 文章标题：

基于模型无关元学习算法和卷积神经网络的高光谱图像小样本分类( Small sample classification of hyperspectral image using model-agnostic meta-learning algorithm and convolutional neural network )

文章作者：

K Gao B Liu X Yu P Zhang Y Sun

文章简述：

获得足够高质量标记样本的困难一直是阻碍高光谱图像(HSI)分类实用化的重要因素之一。常规的深度学习模型只尝试挖掘目标HSI中的鉴别特征和信息特征。因此，仅用几个标记样本无法得到满意的结果，因为它们巨大的参数空间无法得到充分的训练。为此，利用元学习的思想，提出了一个简单有效的框架，以提高小样本条件下的HSI分类性能。具体地说，我们通过卷积块的堆叠设计了一个简单的模型，并引入了一个模型不可知元学习算法(MAML)使该模型能够在大量不同的任务上实现元优化。MAML算法能够使模型获得更通用的表示，从而在只有少量标记样本和少量梯度更新步骤的情况下快速适应新任务。为提高研究的实用价值，设计了同一HSI上的跨数据小样本分类和不同HSI之间的跨场景小样本分类两类分类场景进行实验。在三个公共HSI上的结果表明，我们的方法在两种情况下都优于现有的方法。此外，所提出的方法，实际上是一种基于优化的元学习方法，为HSI小样本分类提供了一种新的思路。

文章下载地址（开放版）：

SciDown文献求助系统（解决99%问题）

Public Download

Taylor & Francis

ResearchGate

『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】

『Sci-Hub|Scidown』相关参考文献