基于图加权对抗学习的半监督遥感图像分类

现有大多数基于图的半监督遥感图像分类方法依赖于超像素分割技术，但因超像素边界不准，导致某些像素误分类，初始的超像素分割不精确限制了整体分类性能。本文提出一种新颖的图加权对抗学习方法，避免使用超像素分割，直接采用神经网络学习遥感图像表征。此外，虽然许多方法在训练时要求所有图节点可用，但本方法支持仅处理部分节点时的 mini-batch 训练，降低计算复杂度并提高对未见节点（unseen nodes）的泛化能力。在三个广泛使用的数据集上实验结果表明，所提方法相对于依赖超像素分割的基线方法具有更佳效果。