用于高光谱图像分类的主动多核域适应方法
计算机视觉与模式识别
2019-04-11 v1
摘要
近年来高光谱图像（HSI）分类取得了快速进展。现有研究大多要么利用监督学习严重依赖昂贵的标签信息，要么难以利用从相关域借用的判别信息。为解决这些问题，本文提出一种基于域适应（DA）与主动学习（AL）的 HSI 分类新框架。我们方法的主要思想是利用源域中可用的标记样本重新训练多核分类器，并在目标域中通过主动查询添加最少数量的最具信息量的样本。所提方法自适应地组合多个核，形成最小化源域与目标域之间偏差的 DA 分类器。进一步配备嵌套主动更新过程，它顺序扩展训练集并逐渐收敛到令人满意的分类性能水平。我们在 HSI 分类任务中用边界采样（MS）策略研究此主动适应框架。在两个流行 HSI 数据集上的实验结果证明了其有效性。
引用
@article{arxiv.1904.05200,
title = {Active Multi-Kernel Domain Adaptation for Hyperspectral Image Classification},
author = {Cheng Deng and Xianglong Liu and Chao Li and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.05200},
year = {2019}
}