IGARSS2017_SSRN 读后感DEEP RESIDUAL NETWORKS FOR HYPERSPECTRAL IMAGE CLASSIFICATION

全文都在和CNN作比较 最强优点鲁棒性 v Challenge：首先，Hughes现象是指随着训练数据维数的增加，识别准确率急剧下降，来自数百个频谱带[2]。 其次，它们的高空间分辨率使得小物体的识别成为可能，但增加了相邻像素之间的高相关性。 v 3DCNN模型的分类精度随层数的增加而减小。 DL模型最近的应用表明，利用模型学习的特征而不是手工特征来分析HSI是一种新的趋势。 v Res网络缓解了

>>阅读原文<<