机译:基于CNNS的高分辨率遥感图像的土地利用分类多结构联合决策方法
Wuhan Univ Sch Resource & Environm Sci Wuhan 430079 Hubei Peoples R China;
Wuhan Univ Sch Resource & Environm Sci Wuhan 430079 Hubei Peoples R China|Univ Cambridge Ctr Dev Studies Cambridge CB3 9DT England;
Wuhan Univ Sch Resource & Environm Sci Wuhan 430079 Hubei Peoples R China;
Wuhan Univ Sch Resource & Environm Sci Wuhan 430079 Hubei Peoples R China;
Feature extraction; Training; Decision making; Convolution; Remote sensing; Visualization; Task analysis; Land use classification; convolutional neural network; transfer learning; high-resolution remote sensing images; multi-structure;
机译:基于空间光谱关节特征提取的多尺度3-D-CNN,用于高光谱遥感图像分类
机译:基于标准化对象的双CNN,用于非常高分辨率遥感图像分类和标准化组合效果分析
机译:使用基于CNN的分类从超高分辨率遥感影像中检测大规模城市土地覆盖变化
机译:CNN对遥感影像进行土地覆盖分类的系统评价
机译:基于小波的遥感图像分类方法:城市环境中不同特征集的比较。
机译:遗传算法与禁忌搜索相结合的高分辨率遥感影像基于对象分类的特征选择
机译:基于CNN的土地覆盖分类,分层分割和融合点云和非常高空间分辨率遥感图像数据