一种基于多尺度级联卷积神经网络的叶片高光谱图像分类和回归方法.pdfVIP

下载本文档

12
0
约2.03万字
约 19页
2023-05-17 发布于四川
举报
版权申诉

一种基于多尺度级联卷积神经网络的叶片高光谱图像分类和回归方法.pdf

1、本文档共19页，其中可免费阅读18页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明属于植物科学研究领域，公开了一种基于多尺度级联卷积神经网络的叶片高光谱图像分类和回归方法，首先，在3D‑CNN中，嵌入扩张卷积构建了不同尺度的谱空特征提取结构，实现多尺度特征的融合；其次，在3D‑CNN后级联1D‑CNN以进一步提取高级抽象光谱特征，并对提出的多尺度3D‑1D‑CNN网络进行最优框架探索；最后，在两个样本有限的设施作物叶片数据集上，将所提出的多尺度3D‑1D‑CNN网络模型与基准模型及多尺度3D‑CNN模型进行比较，以验证所提方法的有效性。本发明方法有助于叶片高光谱图像的分

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114821321 A (43)申请公布日 2022.07.29 (21)申请号 202210450076.9 G06V 10/774 (2022.01)