Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

27.06.2018 | Ausgabe 3/2019

Neural Processing Letters 3/2019

Application of Hyperspectral Image Classification Based on Overlap Pooling

Zeitschrift:
Neural Processing Letters > Ausgabe 3/2019
Autoren:
Hongmin Gao, Shuo Lin, Chenming Li, Yao Yang
Wichtige Hinweise
Hongmin Gao and Shuo Lin have contributed equally to this work and should be considered co-first author.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Convolutional neural networks (CNN) are increasingly being used in hyperspectral image (HSI) classification. However, most pooling methods are non-overlap pooling and ignore the influence of neighboring pixels on image characteristics, thereby limiting network classification accuracy. This work presents a deep CNN that is based on overlap pooling; in this model, non-overlap pooling is replaced with overlap pooling to improve the accuracy of feature extraction. However, overlap pooling introduces additional noise while improving feature accuracy. We have found that different combinations of max pooling and mean pooling can effectively solve the problem and significantly improve classification performance. The best pooling combination (max–mean–mean) for HSI classification is obtained after verification through experiments. A rectified linear unit activation function layer and the softmax loss classification model are combined to improve overall classification accuracy. Experiments on three HSI data sets, namely, Indian Pines, Salinas and Pavia University, show that the CNN model can increase overall accuracy to 95.66, 97.8 and 97.48%, respectively. Compared with deep network models such as deep belief network and non-overlap CNN, the proposed model has significantly improved the classification accuracy, and thus verifying the high accuracy of feature extraction of overlap pooling in CNN.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 3/2019

Neural Processing Letters 3/2019 Zur Ausgabe