logo móvil
Contáctanos

Pocas imágenes hiperespectrales de clasificación basadas en residuos convolucionales y redes siamesas SAM

Autores: Xia, Mengen; Yuan, Guowu; Yang, Lingyu; Xia, Kunming; Ren, Ying; Shi, Zhiliang; Zhou, Hao

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Pocas imágenes hiperespectrales de clasificación basadas en residuos convolucionales y redes siamesas SAM


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Desarrollo
Aprendizaje de pocas muestras
Clasificación de imágenes hiperespectrales
CRSSNet
Residuos convolucionales
Redes Siamesas SAM

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 54

Citaciones: Sin citaciones


Descripción
Con el desarrollo del aprendizaje de pocas muestras, se ha logrado un progreso significativo en la clasificación de imágenes hiperespectrales utilizando redes relacionadas, lo que ha llevado a una mejora en los resultados de clasificación.

Otros recursos que podrían interesarte

Temas Virtualpro