利用自监督学习缓解热带树种分类中光谱变异性的前景
计算机视觉与模式识别
2025-03-18 v1
摘要
机载高光谱成像是一种识别热带树种的有前景的方法，但采集之间的光谱变异性阻碍了结果的一致性。本文提出使用自监督学习 (SSL) 来编码对非生物变异具有鲁棒性且与物种识别相关的光谱特征。通过对重复的光谱采集采用最先进的 Barlow-Twins 方法，我们展示了开发稳定特征的能力。在 40 个热带树种的分类中，实验表明，在跨日期的光谱变异性鲁棒性方面，这些特征在准确率上比典型的反射率产品高出 10 个百分点。
引用
@article{arxiv.2503.12973,
title = {Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised Learning},
author = {Colin Prieur and Nassim Ait Ali Braham and Paul Tresson and Grégoire Vincent and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2503.12973},
year = {2025}
}
备注
5 pages, 3 figures, published as proceeding of the "2024 14th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS)"