关于可视化的问题

[DuChen1]

作者你好，我是该领域的新手，感觉您论文写的超级棒，目前正在复现您的代码，2013_IEEE_GRSS_DF_Contest_CASI.tif也成功获取，且模型在三个数据集上的表现与您论文所述几乎一致，但作为一个跨领域的小白，我无法复现出您在论文中的那种图，比如Fig. 12. Visualization of the classification maps for the CASI Universityof Houston data set. (a) SVM. (b) S-CNN. (c) Gabor-CNN. (d) DFFN.(e) 3-D-GAN. (f) FreeNet. 那种可以给CASI数据集中15种城市土地覆盖类型涂上不同颜色，
还有fig 11那种的可视化Fig. 11. CASI University of Houston data set. (a) Color composite representation of the hyperspectral data using bands of 70, 50, and 20,as red, green, and blue, respectively. (b) Training samples. (c) Test samples.(d) Legend.以及fig10中的可视化，请问能麻烦您给指点一下思路或者有相关可以参考的源码吗？不胜感激（抱拳）

[chenhemeng]

作者你好，我是该领域的新手，感觉您论文写的超级棒，目前正在复现您的代码，2013_IEEE_GRSS_DF_Contest_CASI.tif也成功获取，且模型在三个数据集上的表现与您论文所述几乎一致，但作为一个跨领域的小白，我无法复现出您在论文中的那种图，比如Fig. 12. Visualization of the classification maps for the CASI Universityof Houston data set. (a) SVM. (b) S-CNN. (c) Gabor-CNN. (d) DFFN.(e) 3-D-GAN. (f) FreeNet. 那种可以给CASI数据集中15种城市土地覆盖类型涂上不同颜色， 还有fig 11那种的可视化Fig. 11. CASI University of Houston data set. (a) Color composite representation of the hyperspectral data using bands of 70, 50, and 20,as red, green, and blue, respectively. (b) Training samples. (c) Test samples.(d) Legend.以及fig10中的可视化，请问能麻烦您给指点一下思路或者有相关可以参考的源码吗？不胜感激（抱拳）

你好~我也遇到了同样的问题，请问你这个问题解决了吗？