双分支CNN-多源-RS-分类
双分支CNN-多源-RS-分类
本实例实现了基于卷积神经网络的多源遥感数据分类
一种双分支CNN架构,用于与HSI和其他远程信息图像融合。达到相当高的分类准确度。评估休斯顿,特伦托,萨利纳斯和帕维亚的数据集。
先决条件
- 系统Ubuntu 14.04或更高版本
- Python 2.7或3.6
- 套餐
pip install -r requirements.txt
用法
数据集利用率
请修改data_util.py中的行以获取数据集详细信息。
训练
- 培训HSI
python main.py --train hsi --epochs 20 --modelname ./logs/weights/hsi.h5
- 培训LiDAR / VIS
python main.py --train lidar --epochs 20 --modelname ./logs/weights/lidar.h5
- 训练两个分支
python main.py --train finetune --epochs 20 --modelname ./logs/weights/model.h5
结果
所有结果均来自原始论文。更多细节可以在论文中找到。
数据集 | 卡帕 | OA |
---|---|---|
休斯顿 | 0.8698 | 87.98% |
特伦托 | 0.9681 | 97.92% |
帕维亚 | 0.9883 | 99.13% |
萨利纳斯 | 0.9745 | 97.72% |
引文
如果您需要使用此代码进行研究,请引用我们的论文。
@article{xu2017multisource,
title={Multisource Remote Sensing Data Classification Based on Convolutional Neural Network},
author={Xu, Xiaodong and Li, Wei and Ran, Qiong and Du, Qian and Gao, Lianru and Zhang, Bing},
journal={IEEE Transactions on Geoscience and Remote Sensing},
year={2017},
publisher={IEEE}
}
去做
- PyTorch版本。
- 更灵活的数据集利用率