FAILED
首站-论文投稿智能助手
典型文献
基于多尺度对比学习的弱监督遥感场景分类
文献摘要:
遥感场景分类作为一种理解遥感影像的重要方式,在目标检测、影像快速检索等方向有着重要的应用,当前主流的场景分类方法多关注影像深层次特征的准确提取,忽略了场景目标在不同分布尺度下的差异性.此外,有限的高质量场景标签进一步限制了模型分类性能.为了解决以上问题,本研究提出了基于多尺度对比学习的弱监督遥感场景分类方法,首先利用多尺度对比学习的自监督策略,从大量无标注数据中自动获取影像不同尺度下的特征表示.其次,基于多尺度稳健特征对分类模型利用少量标签进行微调,并结合标签传播方法生成高质量样本标签.最后,结合大量无标签数据构建弱监督分类模型,进一步提升场景分类的能力.本研究在遥感场景AID数据集和NWPU-RESISC45数据集上分别使用1%、5%和10%的标注样本下分类精度分别达到了87.7%、93.67%、95.56%和86.02%、93.15%和95.38%,在有限标注样本条件下与其他基准模型相比有着明显的优势,证明了本文模型的有效性.
文献关键词:
场景分类;多尺度;深度学习;对比学习;弱监督学习;有限样本;标签传播;遥感
作者姓名:
彭瑞;赵文智;张立强;陈学泓
作者机构:
北京师范大学地理科学学部,北京100875;北京师范大学遥感科学国家重点实验室,北京100875
引用格式:
[1]彭瑞;赵文智;张立强;陈学泓-.基于多尺度对比学习的弱监督遥感场景分类)[J].地球信息科学学报,2022(07):1375-1390
A类:
B类:
对比学习,遥感场景分类,遥感影像,目标检测,快速检索,分类方法,层次特征,不同分布,模型分类性能,自监督,监督策略,不同尺度,特征表示,分类模型,微调,标签传播,样本标签,无标签数据,监督分类,AID,NWPU,RESISC45,分类精度,样本条件,弱监督学习,有限样本
AB值:
0.320226
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。