亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Semi-Supervised Neural Architecture Search for Hyperspectral Imagery Classification Method With Dynamic Feature Clustering

计算机科学 高光谱成像 人工智能 模式识别(心理学) 特征提取 聚类分析 分类器(UML) 人工神经网络 上下文图像分类 特征(语言学) 监督学习 图像(数学) 语言学 哲学
作者
Wei Wei,Shanshan Zhao,Songzheng Xu,Lei Zhang,Yanning Zhang
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:61: 1-14 被引量:1
标识
DOI:10.1109/tgrs.2023.3279437
摘要

Hyperspectral image(HSI) contains rich spatial and spectral information, which makes HSI classification task the research focus of HSI analysis within remote sensing community. Though deep learning based HSI classification methods obtain good performance in recent years, how to learn network structure better suitable for a given HSI instead of utilizing a manually designed one for HSI classification is still a challenging problem, especially providing only small amount of labeled samples. To address this problem, we propose the first semi-supervised HSI classification network constructed via the neural architecture search. Specifically, we propose a two-head semi-supervised HSI classification framework utilizing both labeled and unlabeled data, which consists of a shared feature extraction module, a classifier module for labeled samples together with a clustering module for unlabeled samples. To boost the performance of the constructed two-head network, we propose to utilize deep features instead of the original pixels for HSI clustering to generate pseudo labels for the unlabeled data. Within the conducted semi-supervised network, we specifically design a method to automatically search for the shared feature extraction module better suitable for the given HSI data, which leads to better HSI classification results. Experimental results on three HSI datasets demonstrate the effectiveness of the proposed method, providing only limited number of labeled training samples.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
20秒前
桐桐应助复印件采纳,获得10
29秒前
背完单词好睡觉完成签到 ,获得积分10
57秒前
mmyhn应助科研通管家采纳,获得20
1分钟前
1分钟前
1分钟前
1分钟前
复印件发布了新的文献求助10
1分钟前
汉堡包应助予秋采纳,获得10
2分钟前
xhczrx发布了新的文献求助10
2分钟前
3分钟前
xiuchuan完成签到,获得积分10
3分钟前
坚强的广山应助姚老表采纳,获得100
3分钟前
3分钟前
xiuchuan发布了新的文献求助10
4分钟前
打打应助复印件采纳,获得10
4分钟前
自由冰凡完成签到 ,获得积分10
4分钟前
4分钟前
复印件发布了新的文献求助10
4分钟前
紫熊完成签到,获得积分10
6分钟前
明理丹烟应助Langsam采纳,获得10
7分钟前
7分钟前
8分钟前
8分钟前
明理丹烟应助七街采纳,获得30
8分钟前
8分钟前
复印件发布了新的文献求助10
8分钟前
领导范儿应助山楂采纳,获得30
8分钟前
xuexinxin完成签到,获得积分10
9分钟前
wtsow关注了科研通微信公众号
9分钟前
Hello应助飞快的孱采纳,获得10
9分钟前
淡淡醉波wuliao完成签到 ,获得积分10
9分钟前
wtsow完成签到,获得积分0
10分钟前
10分钟前
10分钟前
予秋发布了新的文献求助10
10分钟前
郑夏岚发布了新的文献求助20
10分钟前
予秋发布了新的文献求助10
10分钟前
郑夏岚完成签到,获得积分20
10分钟前
白日焰火完成签到 ,获得积分10
10分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052527
求助须知:如何正确求助?哪些是违规求助? 2709785
关于积分的说明 7418197
捐赠科研通 2354355
什么是DOI,文献DOI怎么找? 1245897
科研通“疑难数据库(出版商)”最低求助积分说明 605927
版权声明 595908