Sep, 2024
基于高光谱成像的像素级材料分类深度学习方法
A Deep Learning Approach for Pixel-level Material Classification via
Hyperspectral Imaging
Savvas Sifnaios, George Arvanitakis, Fotios K. Konstantinidis, Georgios Tsimiklis, Angelos Amditis...
TL;DR本研究解决了现有RGB系统在废物分类、制药和国防等行业中无法提供高级物体特征化的问题。通过结合高光谱成像和深度学习,本研究开发了一种模型,实现了99.94%的像素级材料分类准确率,展现了在颜色、尺寸和形状不变性方面的鲁棒性,表明高光谱成像在计算机视觉应用中的强大潜力。