PCA 在多标签多光谱图像分类中的应用探讨
计算机视觉与模式识别
2025-09-03 v1
摘要
本文探讨了主成分分析（PCA）在多标签多光谱图像分类中的效用，重点考量使用 ResNet50 和 DINOv2，鉴于此类数据的高维度及其相关处理挑战。多标签分类意味着每张图像可能属于多个类别，这进一步增加了特征提取的复杂性。我们的管道包括一个可选的 PCA 步骤，将数据降维至三维后再输入三层分类器。研究结果表明，PCA 对多标签多光谱图像分类的有效性在很大程度上取决于所选的深度学习架构和训练策略，为探索自监督预训练和替代降维方法的未来研究开辟了道路。
引用
@article{arxiv.2509.01691,
title = {Examination of PCA Utilisation for Multilabel Classifier of Multispectral Images},
author = {Filip Karpowicz and Wiktor Kępiński and Bartosz Staszyński and Grzegorz Sarwas},
journal= {arXiv preprint arXiv:2509.01691},
year = {2025}
}