跨视图预测：探索高光谱图像分类的对比特征
计算机视觉与模式识别
2024-12-05 v2
摘要
本文提出一种用于高光谱图像分类的自监督特征学习方法。我们的方法试图通过跨表示学习方法构建原始高光谱图像的两个不同视图。然后通过对比学习方法在创建的视图上学习语义一致的表示。具体而言，自然地设计了四种基于跨通道预测的增强方法，以利用高光谱数据的高维特性进行视图构建。并通过我们对比网络最大化不同视图间的互信息并最小化条件熵来学习更具代表性的特征。这种“跨视图预测”风格简洁明了，并以一个简单的SVM分类器取得了无监督分类的state-of-the-art性能。
引用
@article{arxiv.2203.07000,
title = {Cross-View-Prediction: Exploring Contrastive Feature for Hyperspectral Image Classification},
author = {Anyu Zhang and Haotian Wu and Zeyu Cao},
journal= {arXiv preprint arXiv:2203.07000},
year = {2024}
}