用于高光谱图像一类分类的一类风险估计
计算机视觉与模式识别
2025-02-25 v2
摘要
高光谱影像（HSI）一类分类旨在仅利用已知的正类数据从 HSI 中识别单一目标类，可显著降低对标注的需求。然而，当一类分类遇上 HSI，由于分布重叠与分布不平衡问题，分类器难以在正类数据的过拟合与欠拟合间找到平衡。尽管基于深度学习的方法目前是克服 HSI 多分类中分布重叠的主流，但鲜有研究关注基于深度学习的 HSI 一类分类。本文提出一种弱监督深度 HSI 一类分类器，即 HOneCls，其中特别引入一类风险估计器，使全卷积神经网络（FCN）在分布不平衡情况下具备一类分类能力。我们进行了大量实验（共 20 个任务）以证明所提分类器的优越性。
引用
@article{arxiv.2210.15457,
title = {One-Class Risk Estimation for One-Class Hyperspectral Image Classification},
author = {Hengwei Zhao and Yanfei Zhong and Xinyu Wang and Hong Shu},
journal= {arXiv preprint arXiv:2210.15457},
year = {2025}
}
备注
Accepted by TGRS