BSDR:一个基于数据的高效深度学习的高光谱带选择算法,使用离散放松
Mohammad Rahman1,2, Shyh Wei Teng1, Manzur Murshed3
1Institute of Innovation, Science and Sustainability, Federation University Australia, University Drive, Mt Helen, VIC 3350, Australia.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
带选择通过离散放松 (BSDR) 是一种用于高光谱带选择的新型深度学习算法. 它显著提高了准确性,并减少了计算时间,需要更少的训练数据.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 超光谱带选择对于降低高维数据复杂性至关重要.
- 基于注意力的算法是有效的,但由于许多参数,需要大量的训练数据.
- 现有的方法面临着数据效率和计算成本方面的挑战.
研究的目的:
- 通过离散放松 (BSDR) 引入带选择,这是一种高效的数据深度学习算法,用于高光谱带选择.
- 解决现有的基于注意力的方法在参数数量和训练数据要求方面的局限性.
- 提高高光谱数据处理中的计算效率和分析性能.
主要方法:
- 通过离散放松 (BSDR) 开发了带选择,这是一种新的深度学习方法.
- 实现离散放松,将频段选择问题转化为持续优化任务.
- 专注于选择目标频段,以尽量减少可学习的参数和数据要求.
主要成果:
- 在基准数据集的回归和分类任务中,BSDR表现出卓越的表现.
- 与基于注意力和传统算法相比,实现了高达25%和34.6%的精度改进.
- 执行时间缩短了96.8%以上,表明了显著的计算效率.
结论:
- BSDR为高光谱频段选择提供了高效和数据效率的解决方案.
- 该算法克服了参数繁重方法的局限性,减少了训练数据需求和时间.
- BSDR显著提高了超光谱数据分析的准确性和效率.
