基于异构迁移学习的遥感场景深层聚类
计算机视觉与模式识别
2024-09-09 v1 应用统计
摘要
本文提出了一种方法，用于对目标数据集的无标签遥感场景进行整图无监督聚类。该方法包含三个主要步骤：（1）在标注的源遥感影像数据集上微调预训练的深度神经网络（DINOv2），并使用它从目标数据集中的每张图像中提取特征向量；（2）通过流形投影将这些深层特征降维到低维欧几里得空间；（3）使用贝叶斯非参数技术对嵌入特征进行聚类，以同时推断簇的数量和成员身份。该方法利用异构迁移学习，对具有不同特征和标签分布的不可见数据进行聚类。我们展示了该方法在多个遥感场景分类数据集上 outperform 了最先进的零样本分类方法。
引用
@article{arxiv.2409.03938,
title = {Deep Clustering of Remote Sensing Scenes through Heterogeneous Transfer Learning},
author = {Isaac Ray and Alexei Skurikhin},
journal= {arXiv preprint arXiv:2409.03938},
year = {2024}
}