【技术实现步骤摘要】
本专利技术属于高光谱领域，具体涉及一种标签噪声去除与光谱分布建模联合优化方法。
技术介绍
1、高光谱图像具有图谱合一的数据优势，在地物精细分类任务中作用显著。然而，当前高光谱图像可视化结果难以同时展现空间和光谱信息，人工目视解译存在一定误差，导致高光谱数据标签存在噪声。其中，噪声标签样本可按照错误原因分为两类，分别是实例相关的噪声标签和实例无关的噪声标签，实例相关噪声标签是指错误标注的原因和实例特征相关，比如地物a和地物b具有相似的光谱特征，且两者的地理分布无明显先验区别，则在标注时存在地物a和地物b错误标注的情况；实例无关的噪声标签是指错误标注的原因和实例特征无关，具体表现为随机的错误标注，如类别边界处地物轮廓不清晰，标注时存在的随机错误等。这对高光谱图像分类模型的监督训练造成影响，严重阻碍了高光谱鲁棒训练过程。目前，为解决含有标签噪声的高光谱图像分类模型训练问题，现有方法可分为两大类，一是在训练模型前进行标签噪声剔除，二是对模型进行正则化以提高抗噪性。
2、标签噪声剔除主要是指通过利用训练样本的先验知识来过滤标签噪声，如...
【技术保护点】
1.一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述步骤1包括，
3.根据权利要求2所述的一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述步骤2包括，
4.根据权利要求3所述的一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述步骤3包括，联合优化损失函数包括逐像素重叠度损失、类别交叉熵损失和光谱原型对比损失，公式表示如下：
【技术特征摘要】
1.一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种标签噪声去除与光谱分布建模联合优化方法，其特征在于，所述步骤1包括，
3.根据权利要求2所述的一种标签噪声去除与光谱分...
【专利技术属性】
技术研发人员：尹继豪，冯家齐，姜鸿翔，王麒雄，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
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。