Como una de las técnicas de teledetección y de imágenes espectrales de rápida evolución, la clasificación de imágenes hiperespectrales (HSI) ha atraído una considerable atención en diversos campos, como el estudio de terrenos, la supervisión de recursos, y entre otros. No obstante, debido a la falta de distinción en los píxeles hiperespectrales de las distintas clases, existe un obstáculo recurrente de inseparabilidad en el espacio primario. Además, un reto abierto se deriva de examinar técnicas eficientes que puedan clasificar e interpretar rápidamente las bandas de datos espectrales-espaciales dentro de un tiempo computacional más preciso. Por lo tanto, en este trabajo, proponemos una red neuronal convolucional 3D-2D y un modelo de aprendizaje de transferencia donde las primeras capas del modelo explotan las convoluciones 3D para modelar la información espectral-espacial. Encima hay capas convolucionales 2D para manejar la abstracción semántica principalmente. Para lograr la simplicidad y una red altamente modularizada para la clasificación de imágenes, aprovechamos el bloque ResNeXt-50 para nuestro modelo. Además, para mejorar la separabilidad entre clases y el equilibrio de los criterios interclase e intraclase, utilizamos el análisis de componentes principales (PCA) para obtener los mejores vectores ortogonales para representar la información de las HSI antes de alimentar la red. El resultado experimental muestra que nuestro modelo puede mejorar eficazmente la clasificación de imágenes hiperespectrales, incluyendo una representación instantánea de la información espectral-espacial. La evaluación de nuestro modelo en cinco conjuntos de datos hiperespectrales disponibles públicamente, Indian Pines (IP), Pavia University Scene (PU), Salinas Scene (SA), Botswana (BS) y Kennedy Space Center (KSC), se realizó con una alta precisión de clasificación del 99,85%, 99,98%, 100%, 99,82% y 99,71%, respectivamente. Los resultados cuantitativos demostraron que superó a varios enfoques basados en el estado de la técnica (SOTA), en redes neuronales profundas y en clasificadores estándar. Por lo tanto, ha proporcionado más información sobre la clasificación de imágenes hiperespectrales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelado, evaluación y diseño de celdas porosas basadas en la superficie primitiva de Schwartz para andamios óseos.
Artículo:
Actividad antimicrobiana de la isoniazida en conjugación con nanopartículas magnéticas modificadas en superficie contra Mycobacterium tuberculosis y microorganismos no micobacterianos
Artículo:
Síntesis sencilla de un fotocatalizador de BiOCl dopado con N mediante un método hidrotérmico asistido con etilendiamina
Artículo:
Evaluando el potencial de estrategias mutacionales para obtener nuevos fenotipos de cepas industriales
Artículo:
Investigación sobre el efecto del lignosulfonato en la tasa de erosión de los terraplenes construidos con arena arcillosa.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.