基于重建引导的少样遥感图像分类网络
计算机视觉与模式识别
2026-01-13 v1
摘要
少样遥感图像分类由于标注样本有限和地覆盖类型的高变异性而具有挑战性。我们提出一种重建引导的少样网络（RGFS-Net），通过保持已见类别的一致性来增强对未见类别的泛化。我们的方法包含一个掩码图像重建任务，其中输入的部分被遮挡并重建，以鼓励语义丰富的特征学习。该辅助任务加强了空间理解，在稀疏数据情境下提高了类别判别能力。我们在EuroSAT和PatternNet数据集上评估了方法在1-shot和5-shot协议下的效能，结果表明我们的方法始终优于现有基线。该方法简单有效，兼容标准骨干网络，为少样遥感图像分类提供了稳健的解决方案。代码可在https://github.com/stark0908/RGFS获取。
引用
@article{arxiv.2601.07335,
title = {Reconstruction Guided Few-shot Network For Remote Sensing Image Classification},
author = {Mohit Jaiswal and Naman Jain and Shivani Pathak and Mainak Singha and Nikunja Bihari Kar and Ankit Jha and Biplab Banerjee},
journal= {arXiv preprint arXiv:2601.07335},
year = {2026}
}
备注
Accepted at InGARSS 2025