【技术实现步骤摘要】
本专利技术涉及使用非平衡相似性权重、类别全局映射、通用领域自适应和可见光遥感图像分类。
技术介绍
1、近年来，地理信息系统、环境监测、农业、城市规划、交通分析等领域对于高精度地物分类的需求不断增加，这促使了可见光遥感图像分类技术的研究和应用，人们提出了许多用于遥感图像场景分类的深度学习方法，如自编码器、卷积神经网络(cnns)、生成式对抗网络(gans)[10]、基于原型的记忆网络、transformer等，这些方法通常假设训练数据和测试数据有着相同的分布。
2、然而，遥感图像传感器技术的发展为可见光遥感图像分类提供了更多样的数据资源，以及地理位置、成像条件、天气变化、气候条件等因素的影响，使得不同区域或同一区域不同时间采集得到的遥感图像都会有一定的差异性，因此，用于遥感图像分类的训练数据和测试数据的分布可能会有所不同，这种现象被称为领域间隙。为了解决不同数据集之间的领域差距问题，提出了领域自适应(da)算法，领域自适应算法旨在利用源域数据来学习在不同但相关的目标域数据分布上得到良好分类效果的模型。
3、在遥感图...
【技术保护点】
1.基于非平衡相似性和类别映射的域适应遥感图像分类方法，其特征在于：至少包括以下步骤：
2.根据权利要求1所述的基于非平衡相似性和类别映射的域适应遥感图像分类方法，其特征在于：步骤一中计算遥感图像样本可转移性权重，先将有标签的源域样本和无标签的目标域样本输入源域训练的特征提取器网络，得到源域和目标域样本的特征向量，并计算源域类中心；接着将目标样本特征输入源域和目标域样本共同训练的分类器和域鉴别器，得到目标域样本的域相似度d(x)和分类器输出结果中最高的类别概率max[y(x)]，将d(x)和max[y(x)]数值相加即为估计目标样本属于公共类别置信度的样本
【技术特征摘要】
1.基于非平衡相似性和类别映射的域适应遥感图像分类方法，其特征在于：至少包括以下步骤：
2.根据权利要求1所述的基于非平衡相似性和类别映射的域适应遥感图像分类方法，其特征在于：步骤一中计算遥感图像样本可转移性权重，先将有标签的源域样本和无标签的目标域样本输入源域训练的特征提取器网络，得到源域和目标域样本的特征向量，并计算源域类中心；接着将目标样本特征输入源域和目标域样本共同训练的分类器和域鉴别器，得到目标域样本的域相似度d(x)和分类器输出结果中最高的类别概率max[y(x)]，将d(x)和max[y(x)]数值相加即为估计目标样本属于公共类别置信度的样本可转移性权重。
3.根据权利要求1所述的基于非平衡相似性和类别映射的域适应遥感图像分类方法，其特征在于：步骤二中实现目标域公共类别和私有类别样本数量平衡；基于步骤一得到的目标域样本可转移性权重，将样本可转移性权重大于粗糙边界γ的目标样本被定义为公共类别样本，其余样本则被定义为私有类别样本；当目标域公共类别样本或私有类别样本的比例超过50％时，我们设计一种自适应样本补齐机制以实现目标域公共类别样本和私有类别样本的数量平衡；若是公共样本数量较少，利用目标样本和源原型部分对齐得到的相似矩阵，筛选高置信度的样本进行填充；若是私有...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。