学术中心
3DeepM:一种基于深度学习的多光谱图像分类方法
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-28 06:10
- 访问量:
【概要描述】本文开发了一个基于深度学习技术对多光谱图像进行分类的特定架构,称为3DeepM
3DeepM:一种基于深度学习的多光谱图像分类方法
【概要描述】本文开发了一个基于深度学习技术对多光谱图像进行分类的特定架构,称为3DeepM
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-03-28 06:10
- 访问量:
当前用于深度学习的预定义体系结构计算量非常大,使用了数千万个参数。这对于许多实验或技术设置,计算成本可能令人望而却步。本文开发了一个基于深度学习技术对多光谱图像进行分类的特定架构,称为3DeepM。该结构是由三维滤波器组组成的,专门用于提取多通道图像的空间光谱特征。
采集和数据扩充过程示意图
研究人员利用12210张无籽食用葡萄品种(皇家秋葡萄、深红无籽葡萄、Itum4、Itum5和Itum9)的多光谱图像样本上对该特定构架进行了测试。结果得到,3DeepM能够对100%的图像进行分类,与同类工作相比,在准确度、分类次数、参数数目和训练时间等方面取得了最佳的整体效果。此外,本文还提出了一种灵活的可重构计算机视觉系统,利用该视觉系统获取400 ~ 1000 nm范围内的多光谱图像,创建第一个数据集,包括12210个37通道多光谱图像(12 VIS+25 IR)(这些图像来自上述5个无籽葡萄品种),对3DeepM体系结构进行验证。与预定义的分类体系结构(如AlexNet、ResNet或具有大量参数的adhoc体系结构)相比,尽管3DeepM使用的参数比所比较的体系结构少130倍,但它显示出最佳的分类性能。
MIS采集过程中使用的各种葡萄籽粒
综上所述,3DeepM可用于多种基于多光谱图像的应用,如遥感或医疗诊断。此外,3DeepM的参数较少,非常适合用于自主机器人或无人驾驶车辆上的在线分类系统。
葡萄分类深度学习方法的特征总结
来源:
Navarro P, Miller L, Gila-Navarro A, et al. 3DeepM: An Ad Hoc Architecture Based on Deep Learning Methods for Multispectral Image Classification. Remote Sens. 2021, 13(4), 729; https://doi.org/10.3390/rs13040729.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德(北京)科技有限公司
地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874、18600875228
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

植物表型资讯
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明