SSDL

Introduction

This is a reproduction of A deep learnign framework for hyperspectral image classification using spatial pyramid pooling.

Requirements

• pytorch 1.3
• scikit-learn
• scipy
• visdom

Experiments

模型分别在PaviaU，Salinas和KSC这三个基准数据集上进行测试。实验总共分为三组，分别为每类样本量为10，每类样本量为50和每类样本量为100。为了减少误差，每组实验分别进行10次，最终的准确率取10次实验的均值。

在PaviaU数据集上的准确率（%）如下表所示：

PaviaU
10		50		100
mean	std	mean	std	mean	std
74.79	2.34	84.92	1.34	89.33	1.36

学习曲线如下所示：

在Salinas数据集上的准确率（%）如下表所示：

Salinas
10		50		100
mean	std	mean	std	mean	std
74.29	4.55	85.79	1.91	88.67	1.13

学习曲线如下所示：

在KSC数据集上的准确率（%）如下表所示：

KSC
10		50		100
mean	std	mean	std	mean	std
83.71	2.76	96.88	0.84	98.75	0.29

学习曲线如下所示：

Runing the code

划分数据集 python trainTestSplit.py

贪婪逐层训练法训练auto-encoder python TrainAutoEncoder.py --epl xx --name xx --lr

训练模型 python CrossTrain.py --name xx --epoch xx --lr xx