CloudMatch：用于半监督云检测的弱到强一致性学习

由于标注准确像素级标签成本高昂，半监督学习已成为云检测的有前景的方法。本文提出CloudMatch，一个有效利用未标记遥感图像的半监督框架，通过视图一致性学习结合场景混合增强。我们观察到，云图案在不同场景以及同一场景类别内部表现出结构多样性和上下文变异性。我们的关键洞察是，通过强制执行跨不同增强视图的预测一致性，包括跨场景和同一场景内的混合，可实现对云图案结构多样性和上下文丰富性的捕获。具体而言，CloudMatch为每个未标记图像生成一个弱增强视图和两个互补的强增强视图：一个集成跨场景块以模拟上下文多样性，另一个采用同一场景内混合以保持语义一致性。这一方法指导伪标签生成并增强泛化能力。大量实验表明，CloudMatch表现良好，证明其能够有效利用未标记数据并推动半监督云检测的发展。