基于弱监督的全球高类别分辨率土地覆盖制图

土地覆盖信息对于推进联合国可持续发展目标不可或缺，而在更详细的类别系统下进行土地覆盖制图将显著有助于经济生计追踪和环境退化测量。然而，获取细粒度训练数据的巨大困难使得这项任务的实施极具挑战性。在这里，我们提出将完全标记的源域和弱标记的目标域结合起来进行弱监督域适应（WSDA）。这是有益的，因为利用稀疏和粗略的弱标签可以大大减轻精确和详细土地覆盖标注所需的人力。具体来说，我们引入了基于原型的伪标签修正与扩展（PRE）方法，该方法利用原型（即类别级特征质心）作为连接稀疏标签和全局特征分布的桥梁。根据到原型的特征距离，评估目标域未标记区域中预测的伪标签的置信度。然后利用该置信度来指导伪标签的动态扩展和修正。基于PRE，我们利用PlanetScope、高分一号和Sentinel-2卫星图像，对全球不同地区的10个城市进行了高类别分辨率的土地覆盖制图。在研究区域，我们实现了跨传感器、跨类别和跨大陆的WSDA，总体精度超过80%。这些有希望的结果表明，PRE能够减少土地覆盖分类对高质量标注的依赖，从而提高标签效率。我们希望我们的工作能够实现全球细粒度土地覆盖制图，进而促进地球观测为环境监测提供更精确和全面的信息。