文章预览
近日，林学院张晓丽教授团队撰写的学术论文“A novel framework combining band selection algorithm and improved 3D prototypical network for tree species classification using airborne hyperspectral images”在工程技术领域一区TOP期刊《Computers and Electronics in Agriculture》（IF=8.3）在线发表，在深度学习树种分类模型上取得新进展。 研究以机载高光谱影像为数据源，发展了3D原型网络树种分类框架（ FAST 3D-CNN P-Net），该框架利用卷积神经网络进行波段选择，增强了高光谱数据细粒度识别过程，并将优化的 FAST 3D-CNN 集成到 P-Net 分类器中，在标记样本数量有限的情况下，也能快速准确地实现复杂林分中高精度的多树种分类与制图，为新形势下森林资源调查和可视化经营提供技术和数据支撑，助力森林质量精准提升。 高精度的树种分类和制图对于森林可持续经营管理、生物多样性评估等具有
………………………………
