【技术实现步骤摘要】
本申请属于遥感图像处理，具体地而言为一种概率对齐无监督域适应遥感图像跨场景分类方法及系统。
技术介绍
1、无监督域适应因能避免获取大量手动标记数据的耗时与高昂成本，在遥感图像跨场景分类等任务中受到广泛关注。其核心目标是将源域（有标注）的知识迁移至目标域（无标注），但域偏移问题常导致模型性能下降，需解决跨场景下源域和目标域分布不一致难题。
2、为处理域偏移，现有方法聚焦分布对齐与域不变特征学习，传统的无监督域自适应方法分为隐式领域对抗类和显式领域对齐类这两类。隐式领域对抗类方法引入域判别器，构建“特征生成和域判别”对抗框架，迫使模型生成混淆域判别的特征，期望让特征学习突破域差异限制。但该思路侧重“欺骗”判别器实现特征层面域对齐，未深入关联类别语义，在遥感跨场景分类中，不同场景下相同类别的特征差异复杂（如不同光照下的“建筑”类），仅靠特征对抗易让模型学习到无类别区分度的“通用特征”，反而模糊类别边界，导致目标域分类错误。显式领域对齐类方法通过最小化源域与目标域特征分布的距离，直接约束域间分布差异。然而这类方法多基于全局特征分布优...
【技术保护点】
1.一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，每一层的视觉提示编码源于前一层中视觉提示编码与前一层中文本提示编码基于交叉注意力的融合，包括：采用参数一致的融合函数，将前一层中视觉提示编码作为键，前一层中文本提示编码作为查询，计算每一层的视觉提示编码；
3.根据权利要求1所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，将带标签的源域遥感图像数据集和对应的无标签的目标域遥感图像数据集输入到预训练视觉编码器，得到预训...
【技术特征摘要】
1.一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，每一层的视觉提示编码源于前一层中视觉提示编码与前一层中文本提示编码基于交叉注意力的融合，包括：采用参数一致的融合函数，将前一层中视觉提示编码作为键，前一层中文本提示编码作为查询，计算每一层的视觉提示编码；
3.根据权利要求1所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，将带标签的源域遥感图像数据集和对应的无标签的目标域遥感图像数据集输入到预训练视觉编码器，得到预训练视觉特征，将预训练视觉特征与提示视觉编码器输出的图像特征之间的余弦相似度用来计算图像特征稳定性约束损失，通过最小化图像特征稳定性约束损失将图像特征处于预训练视觉编码器的语义空间。
4.根据权利要求3所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，所述图像特征稳定性约束损失为：，其中，是带标签的源域遥感图像，是无标签的目标域遥感图像，是预训练视觉编码器提取的源域预训练视觉特征，是预训练视觉编码器提取的目标域预训练视觉特征，是提示视觉编码器得到的源域图像特征，是提示视觉编码器得到的目标域图像特征，计算源域中预训练视觉编码器输出的预训练视觉特征与提示视觉编码器后输出的图像特征的余弦相似度，计算目标域中预训练视觉编码器输出的预训练视觉特征与提示视觉编码器后输出的图像特征的余弦相似度。
5.根据权利要求1所述的一种概率对齐无监督域适应遥感图像跨场景分类方法，其特征在于，所述初始文本描述通过预训练文本编码器嵌入模板为 “一张[类别]的照片”，并进行初始化生成，将预训练文本编码器提取的预训练文本特征与提示文本编码器输出的文本特征之间的余弦相似度用来计算文本特征稳定性约束...
【专利技术属性】
技术研发人员：赵欣，叶媛媛，林君，蒋川东，王生生，
申请(专利权)人：吉林大学，
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。