面向 hyperspectral 图像分类的通用知识嵌入对比学习框架
计算机视觉与模式识别
2024-04-30 v3
摘要
hyperspectral 图像（HSI）分类技术受到广泛关注，已开发出多种模型。然而，这些HSI分类模型局限于 pocket 模型且采用不切实际的数据集划分方式。前者限制了模型的泛化性能，后者导致模型评估指标虚高，进而在实际场景中显著降低模型性能。因此，我们提出一种通用知识嵌入对比学习框架（KnowCL），用于监督、无监督和半监督HSI分类，显著缩小HSI分类模型在 pocket 模型与标准视觉骨干网络之间的差距。我们提出了新的HSI处理流程，并结合多种数据变换和增强技术，提供多样化的数据表示和现实的数据划分方式。该框架兼容各种骨干网络，能充分利用标注和未标注样本，同时保持预期的训练时间。此外，我们设计了新的损失函数，能够自适应融合监督损失和无监督损失，提升学习效果。该新的分类范式在探索HSI分类技术方面显示出巨大的潜力。代码可在 \url{https://github.com/quanweiliu/KnowCL} 访问。
引用
@article{arxiv.2404.01673,
title = {A Universal Knowledge Embedded Contrastive Learning Framework for Hyperspectral Image Classification},
author = {Quanwei Liu and Yanni Dong and Tao Huang and Lefei Zhang and Bo Du},
journal= {arXiv preprint arXiv:2404.01673},
year = {2024}
}