用于少样本高光谱图像分类的自监督学习
计算机视觉与模式识别
2022-06-27 v1 机器学习
摘要
深度学习已被证明是一种非常有效的高光谱图像（HSI）分类方法。然而，深度神经网络需要大型标注数据集才能良好泛化。这限制了深度学习在 HSI 分类中的适用性，因为对每个场景手动标注数千个像素是不现实的。在本文中，我们提议利用自监督学习（SSL）进行 HSI 分类。我们表明，通过使用最先进的 SSL 算法 Barlow-Twins 在无标注像素上预训练编码器，我们可以用少量标签获得准确的模型。实验结果证明该方法显著优于朴素监督学习。
关键词
引用
@article{arxiv.2206.12117,
title = {Self Supervised Learning for Few Shot Hyperspectral Image Classification},
author = {Nassim Ait Ali Braham and Lichao Mou and Jocelyn Chanussot and Julien Mairal and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2206.12117},
year = {2022}
}
备注
Accepted in IGARSS 2022