面向高光谱数据回归任务的对比学习

对比学习在表示学习中展现出了极大的有效性，尤其是在图像分类任务中。然而，针对回归任务的研究仍然不足，更具体地说是针对高光谱数据的应用。在本文中，我们提出了一种用于高光谱数据回归任务的对比学习框架。为此，我们提供了一组与高光谱数据增强相关的变换，并研究了用于回归的对比学习。在合成和真实高光谱数据集上的实验表明，所提出的框架和变换显著提升了回归模型的性能，取得了优于其他 SOTA 变换的得分。