This is a reproduction of Hyperspectral image classification using spectral-spatial LSTMs.
- pytorch 1.3
- scikit-learn
- scipy
- visdom
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 |
| 69.59 | 5.84 | 84.50 | 1.82 | 87.19 | 6.10 |
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 |
| 81.20 | 3.30 | 91.37 | 1.50 | 94.41 | 0.36 |
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 |
| 83.07 | 1.59 | 98.72 | 0.90 | 99.68 | 0.36 |
训练光谱分支 python TrainBySpectral.py --name xx --epoch xx --lr xx
训练空间分支 python TrainBySpatial.py --name xx --epoch xx --lr xx
联合预测 python JointPredict.py