典型文献
一种用于预测航空遥感影像光谱信息的深度学习方法
文献摘要：
为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息,提高航空RGB遥感影像光谱的分辨率,提出一种轻量型的深度学习网络模型.所提模型组合了密集卷积神经网络架构和 自适应注意力机制的优点,构建了一种新型密集注意力卷积神经网络模型(dense attention convolutional neural network model,DACNN model).在真实的多模态AeroRIT场景影像和同源的雄安航空遥感影像上的多种定量对比实验结果表明,所提出的网络架构可以生成与原始高光谱遥感影像相似的空间特征和光谱特征,并且所需参数量显著降低,具有较好的性能和适用性,且所提模型架构方法具有一定的通用性.
文献关键词：
高光谱遥感重建;光谱超分辨率;深度学习;自适应注意力机制;密集卷积神经网络
中图分类号：
作者姓名：
郝明达;普运伟;周家厚;杨洋;陈如俊
作者机构：
昆明理工大学国土资源工程学院,昆明650093;昆明理工大学 计算中心,昆明650500
文献出处：
引用格式：
[1]郝明达;普运伟;周家厚;杨洋;陈如俊-.一种用于预测航空遥感影像光谱信息的深度学习方法)[J].遥感信息,2022(06):123-129
A类：
自适应注意力机制,密集注意力,DACNN,AeroRIT,高光谱遥感重建,光谱超分辨率
B类：
测航,航空遥感影像,光谱信息,深度学习方法,RGB,测高,高光谱影像,地物,属性信息,轻量型,深度学习网络,模型组合,密集卷积神经网络,神经网络架构,卷积神经网络模型,dense,attention,convolutional,neural,network,model,雄安,定量对比,高光谱遥感影像,空间特征,光谱特征,参数量,模型架构,通用性
AB值：
0.272436
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
