零样态 hyperspectral 波段选择的多教师多目标元学习
计算机视觉与模式识别
2024-06-13 v1
摘要
波段选择在高光谱图像分类中起着关键作用，通过删除冗余和噪声波段并保留判别性波段。然而，大多数现有的深度学习方法旨在处理特定的波段选择数据集，需要为新数据集重新训练参数，这显著限制了其通用性。为此，本文提出了一种 novel 多教师多目标元学习网络（MBS）用于零-shot 高光谱波段选择。在 MBS 中，构建了一个通用且不依赖于数据集的图卷积网络（GCN），用于生成数据集无关的 base，并从多个波段选择任务中提取兼容的 meta 知识。为增强 meta 知识提取能力，引入了多个波段选择教师，以提供多样化的高质量经验。最后，将后续分类任务附加并通过多目标元学习以 end-to-end 可训练方式与多教师波段选择任务联合优化。多目标元学习保证自动协调多样化优化目标并适应各种数据集。一旦完成优化，所获取的 meta 知识即可直接转移到未见数据集，而无需任何重新训练或微调。实验结果表明，我们的方法在零-shot 高光谱波段选择方面有效且高效，性能与最新技术相当。
引用
@article{arxiv.2406.07949,
title = {Multi-Teacher Multi-Objective Meta-Learning for Zero-Shot Hyperspectral Band Selection},
author = {Jie Feng and Xiaojian Zhong and Di Li and Weisheng Dong and Ronghua Shang and Licheng Jiao},
journal= {arXiv preprint arXiv:2406.07949},
year = {2024}
}