-
公开(公告)号:CN118247668B
公开(公告)日:2024-07-30
申请号:CN202410657058.7
申请日:2024-05-24
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及一种基于扩散模型的高光谱图像多源域域自适应分类方法。本发明包括以下步骤:基于批归一化层统计迁移的源域模型初始化;构建基于扩散模型的模型生成算法;训练基于扩散模型的多源域域自适应模型;基于信息熵最小化和对比学习算法的目标域模型微调。与现有技术相比,本发明通过基于扩散模型的多源域域自适应模型,解决了现有高光谱分类任务中由于目标域标签数据缺乏以及多源域之间、源域目标域之间存在域差异而导致的难以将多源域训练模型迁移至目标域数据集的问题,并且目标域模型生成过程中不访问源域数据只访问源域训练模型从而减少了数据传输、数据存储的负担,实现快速将地多种卫星数据上训练的模型迁移到目标卫星数据的方法。
-
公开(公告)号:CN118247668A
公开(公告)日:2024-06-25
申请号:CN202410657058.7
申请日:2024-05-24
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及一种基于扩散模型的高光谱图像多源域域自适应分类方法。本发明包括以下步骤:基于批归一化层统计迁移的源域模型初始化;构建基于扩散模型的模型生成算法;训练基于扩散模型的多源域域自适应模型;基于信息熵最小化和对比学习算法的目标域模型微调。与现有技术相比,本发明通过基于扩散模型的多源域域自适应模型,解决了现有高光谱分类任务中由于目标域标签数据缺乏以及多源域之间、源域目标域之间存在域差异而导致的难以将多源域训练模型迁移至目标域数据集的问题,并且目标域模型生成过程中不访问源域数据只访问源域训练模型从而减少了数据传输、数据存储的负担,实现快速将地多种卫星数据上训练的模型迁移到目标卫星数据的方法。
-