【技术实现步骤摘要】
本专利技术属于图像处理，涉及一种基于自训练的无源域适应遥感影像场景分类方法及系统。
技术介绍
1、领域适应是目前用来解决分布偏移和目标领域标签缺失的办法之一。主要是通过分布对齐和目标领域语义学习两个部分实现。对于分布对齐，常见的解决方案有对抗学习和均值差异损失两个方法。对抗学习通过鉴别器和生成器的对抗训练实现对领域不变特征的提取。均值差异则损失是通过最小化分布差异实现两个领域特征对齐。对于语义学习，常见的解决方案是伪标签。选择高置信的模型预测结果作为伪标签监督训练网络。
2、对于无源域适应的方法，现有基于伪标签的方法存在噪声大的问题，这会导致网络学习到伪标签中的噪声信息从而产生带有偏差的预测结果。这种问题可能会引起迁移学习过程中的网络退化，即最终学习结束以后网络性能差于初始网络。
3、现有的遥感领域用于解决标注信息缺失的问题比如小样本学习，它依然需要目标领域中存在标注数据，这对于一些限制条件较强的情况不适用。
4、综上所述，现有的遥感领域中，存在以下问题：
5、1、传统的基于伪标签的方法存...
【技术保护点】
1.基于自训练的无源域适应遥感影像场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述采用源领域数据总损失作为目标函数引导无源领域适应网络学习源领域数据中的语义信息，得到源领域数据集上预训练的网络，具体如下：
3.根据权利要求2所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述对源领域数据进行数据增强后通过源领域特征提取器和源领域分类器获取源领域数据分类预测结果，根据分类器预测结果和源领域数据的独热编码获取标签平滑交叉熵损失，具体如下：
4.根...
【技术特征摘要】
1.基于自训练的无源域适应遥感影像场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述采用源领域数据总损失作为目标函数引导无源领域适应网络学习源领域数据中的语义信息，得到源领域数据集上预训练的网络，具体如下：
3.根据权利要求2所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述对源领域数据进行数据增强后通过源领域特征提取器和源领域分类器获取源领域数据分类预测结果，根据分类器预测结果和源领域数据的独热编码获取标签平滑交叉熵损失，具体如下：
4.根据权利要求1所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述根据初始化后的目标领域数据集上的网络将目标领域数据划分为源领域相似样本和不确定样本，具体如下：
5.根据权利要求1所述的基于自训练的无源域适应遥感影像场景分类方法，其特征在于，所述根据源领域相似样本和不确定样本获取目标领域可信样本的监督训练损失、不确定样本的无监督训练损失、目标领域数...
【专利技术属性】
技术研发人员：唐旭，韩硕，马晶晶，张向荣，焦李成，
申请(专利权)人：西安电子科技大学，
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。