| 面向高光谱显微图像血细胞分类的空-谱可分离卷积神经网络 |
| |
| 引用本文： | 时旭,李远,黄鸿. 面向高光谱显微图像血细胞分类的空-谱可分离卷积神经网络[J]. 光学精密工程, 2022, 30(8): 960-969. DOI: 10.37188/OPE.20223008.0960 |
| |
| 作者姓名： | 时旭 李远 黄鸿 |
| |
| 作者单位： | 重庆大学光电技术与系统教育部重点实验室,重庆400044 |
| |
| 基金项目： | 重庆市留学人员回国创业创新支持计划项目;重庆市基础研究与前沿探索项目;国家自然科学基金;中央高校基本科研业务费项目 |
| |
| 摘 要： | 深度学习已经在高光谱血细胞图像分类中获得广泛应用.然而,传统深度学习模型需要大量标记数据作为样本,忽略了高光谱图像"图谱合一"的性质,不能充分挖掘高光谱图像内蕴信息,且存在参数多、复杂度高问题.针对上述问题,提出了空-谱可分离卷积神经网络(S3CNN),在降低模型复杂度的同时有效提升高光谱血细胞图像分类性能.根据高光谱...
|
| 关 键 词： | 高光谱图像 血细胞分类 卷积神经网络 空-谱联合距离 可分离卷积 |
Spatial-spectral separable convolutional neural network for cell classification of hyperspectral microscopic images |
| |
| SHI Xu,LI Yuan,HUANG Hong. Spatial-spectral separable convolutional neural network for cell classification of hyperspectral microscopic images[J]. Optics and Precision Engineering, 2022, 30(8): 960-969. DOI: 10.37188/OPE.20223008.0960 |
| |
| Authors: | SHI Xu LI Yuan HUANG Hong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
