-
公开(公告)号:CN117079156A
公开(公告)日:2023-11-17
申请号:CN202311078425.X
申请日:2023-08-25
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于中间层特征提取和核范数最大化的跨域遥感场景分类方法,属于遥感图像处理领域。本发明的方法采用随机提取中间层特征的方法,以增强特征提取模块中模型的辨别能力。通过充分利用中间层特征,可以捕获遥感图像中的关键部分,减少源域和目标域之间的分布差异。本发明的方法中引入一个缩放因子,使预测输出更接近假设中的理想状态,并使用核范数最大化,以解决遥感数据集中类别间样本数量不平衡导致未标记样本预测多样性降低的问题。
-
公开(公告)号:CN118470420A
公开(公告)日:2024-08-09
申请号:CN202410633829.9
申请日:2024-05-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/50
Abstract: 本发明提供一种基于类内‑类间关系迁移的无源域自适应遥感场景分类方法,可以改善由于域间差异所导致的性能下降,该方法包括:将预测输出作为锚点,将和目标域输入图像类别一致的图像视图作为正样本,将与该图像类别不一致的其他所有图像视图作为负样本,计算得到类别对比损失函数;预测输出作为锚点,将目标域输入图像的弱增强图像视图作为正样本,将同个训练批次内其他所有图像的增强视图作为负样本,计算得到实例对比损失函数;将类内‑类间关系zcr嵌入类别对比损失函数和实例对比损失函数,基于类内‑类间关系的对比损失函数,对目标域特征提取器和目标域分类器进行迭代优化,基于优化结果实现遥感场景分类。
-