基于强化学习生成表征的小样本多光谱图像分割

多光谱图像是指具有众多通道或波段、每个通道捕获特定波长电磁辐射范围的图像，其分割任务此前已在大量标注数据的背景下得到研究。然而，这些模型往往不能很好地泛化到规模较小的数据集。本文提出一种新方法，利用强化学习生成表征以提升多光谱图像的小样本分割性能。这些表征以通道间的数学表达式形式生成，并针对特定分割类别进行定制。我们的方法训练一个智能体使用小数据集（可少至单个标注样本）识别最具信息量的表达式，利用这些表达式更新数据集，随后使用更新后的数据集进行分割。由于表达式长度有限，模型获得了有用的表征且不会增加任何过拟合风险。我们在多个多光谱数据集的样本上评估了方法的有效性，并证明其在小样本场景下提升分割算法性能的作用。代码见 https://github.com/dilithjay/IndexRLSeg。