【技术实现步骤摘要】
本专利技术涉及图像数据处理领域，尤其涉及一种基于协同学习的遥感图像跨场景分类方法、装置及设备。
技术介绍
1、在遥感图像跨场景分类领域，传统方法主要基于手工特征提取和浅层模型。这些方法通常通过提取图像的纹理、颜色等特征，然后使用浅层模型进行分类。然而，这些方法在处理复杂的数据分布差异和噪声标签问题时表现不佳。近年来，深度学习方法在遥感图像分类中取得了显著进展。这些方法通常使用深度卷积神经网络(如resnet、vgg等)自动提取图像特征，并通过监督学习进行分类。
2、专利技术人在实现本专利技术的过程中，意识到现有技术至少存在如下技术问题：大多数深度学习方法假设源域数据是干净的，对噪声标签的鲁棒性不足。现有方法在处理噪声标签和跨场景知识迁移问题时存在以下缺点：一是对噪声标签的鲁棒性不足，导致模型性能下降；二是缺乏有效的跨场景知识迁移机制，无法充分利用源域和目标域之间的互补信息；三是计算复杂度较高，难以满足实际应用需求。这些缺点限制了现有方法在遥感图像跨场景分类任务中的应用。
技术实现思路>
1、本专利技本文档来自技高网...
【技术保护点】
1.一种基于协同学习的遥感图像跨场景分类方法，其特征在于，包括：
2.如权利要求1所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，在所述采用带噪声标注的源域数据训练生成初始分类模型之前，所述基于协同学习的遥感图像跨场景分类方法包括：
3.如权利要求1所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，所述初始分类模型为双分支网络架构，包括共享特征提取器、源域分类器及目标域分类器，所述带噪声源域数据的噪声类型为标签翻转噪声或均匀噪声。
4.如权利要求3所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，所述通过所述目标...
【技术特征摘要】
1.一种基于协同学习的遥感图像跨场景分类方法，其特征在于，包括：
2.如权利要求1所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，在所述采用带噪声标注的源域数据训练生成初始分类模型之前，所述基于协同学习的遥感图像跨场景分类方法包括：
3.如权利要求1所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，所述初始分类模型为双分支网络架构，包括共享特征提取器、源域分类器及目标域分类器，所述带噪声源域数据的噪声类型为标签翻转噪声或均匀噪声。
4.如权利要求3所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，所述通过所述目标域伪标签与带噪声源域数据执行双向知识迁移，并对所述初始分类模型进行训练，得到目标域预测熵值，包括：
5.如权利要求1所述的基于协同学习的遥感图像跨场景分类方法，其特征在于，在所述采用带噪声标注的源域数据训练生成初始分...
【专利技术属性】
技术研发人员：王宇翔，李泽娴，黄梓晖，蒋梓齐，
申请(专利权)人：深圳市浩界智链科技有限公司，
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。