公开(公告)号：CN113486923B

公开(公告)日：2025-03-25

申请号：CN202110615207.X

申请日：2021-06-02

Applicant: 长安大学

Inventor： 席江波 ,  赵超英 ,  姜卓 ,  王哲

IPC: G06V10/764 ,  G06V10/776 ,  G06V10/774 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0464

Abstract: 本发明属于人工智能技术领域，公开了一种基于动态宽度‑深度神经网络进行高光谱影像分类的方法及其训练方法。该网络可以解决在宽度下采样层向宽度方向和深度方向扩展学习高级特征时使用迭代最小二乘法，将多个EWSWS网逐个加入到网络中，以增量的方式获得更多的学习能力。当训练数据学习充分时，增长过程自动停止。在此过程中训练数据在特征域和样本域都进行了分割，因此可以用于特征维数高、训练样本数量多的高光谱影像数据。网络的另一个优点是，在逐步、自动地寻找合适的体系结构时，学习过程更加稳定，可以在全连接层中给出非常具体的超参数和训练好的权值。

公开(公告)号：CN113486923A

公开(公告)日：2021-10-08

申请号：CN202110615207.X

申请日：2021-06-02

Applicant: 长安大学

Inventor： 姜卓 ,  席江波 ,  王哲 ,  赵超英

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明属于人工智能技术领域，公开了一种用于高光谱分类的动态宽度‑深度神经网络及其学习方法。该网络可以解决在EWSWS层向宽度方向和深度方向扩展学习高级特征时使用迭代最小二乘法，将多个EWSWS网逐个加入到网络中，以增量的方式获得更多的学习能力。当训练数据学习充分时，增长过程自动停止。在此过程中训练数据在特征域和样本域都进行了分割，因此可以用于特征维数高、训练样本数量多的高光谱影像数据。网络的另一个优点是，在逐步、自动地寻找合适的体系结构时，学习过程更加稳定，可以在全连接层中给出非常具体的超参数和训练好的权值。