遥感变化检测（Change detection，CD）旨在利用多时相遥感数据，采用图像处理和模式识别方法提取变化信息，本文提出了一个全新的变化检测数据集（SYSU-CD）用于深度学习模型的训练检验

周志华《机器学习》又称西瓜书是一本较为全面的书籍，书中详细介绍了机器学习领域不同类型的算法(例如：监督学习、无监督学习、半监督学习、强化学习、集成降维、特征选择等)，记录了本人在学习过程中的理解思路与扩展知识点，希望对新人阅读西瓜书有所帮助！

用于训练和使用高光谱数据的无监督自动编码器和有监督深度学习分类器的工具。 可 文档 在此处找到 。 源代码可在 Github上获得 。 自动编码器是无监督的神经网络，可用于一系列应用，例如无监督的特征学习和降维。 可以在标记的数据上训练监督型深度学习分类器，以预测光谱的类别。 该存储库提供了一个名为 的基于python的工具箱 deephyp ，其中包含针对高光谱数据而设计，训练和测试密集和卷积自动编码器以及分类神经网络的示例。 网络易于设置，并且可以使用不同的架构进行自定义。 也可以采用不同的培训方法。 工具箱基于tensorflow构建。

Dimensionality reduction and classification of hyperspectral image based on SuperPCA (IEEE TGRS, 2018)

Hyperspectral-Classification Pytorch