SGMNet：用于少样本遥感场景分类的场景图匹配网络
计算机视觉与模式识别
2022-10-05 v1
摘要
少样本遥感场景分类（FSRSSC）是一项重要任务，旨在利用少量样本识别新颖场景类别。近来，若干研究尝试沿用少样本自然图像分类方法来解决FSRSSC问题。这些现有方法已取得可喜进展并实现了优越性能。然而，它们都忽视了遥感图像的两个独特特性：（i）对象共现，即多个对象倾向于在一幅场景图像中共同出现；（ii）对象空间相关性，即这些共现对象遵循某些空间结构模式分布于场景图像中。此类独特特性对FSRSSC极为有益，可有效缓解遥感图像标注样本稀缺的问题，因为它们能为每个场景类别提供更精细的描述。为充分利用这些特性，我们提出一种基于场景图匹配的元学习框架用于FSRSSC，称为SGMNet。在该框架中，精心设计了场景图构建模块，将每幅测试遥感图像或每个场景类别表示为一个场景图，其中节点反映这些共现对象，边则捕捉共现对象之间的空间相关性。进而，进一步开发了场景图匹配模块，以评估每幅测试遥感图像与每个场景类别之间的相似度得分。最后，基于相似度得分，我们通过最近邻分类器执行场景类别预测。我们在UCMerced LandUse、WHU19、AID和NWPU-RESISC45数据集上进行了大量实验。实验结果表明，我们的方法优于以往的SOTA方法。
引用
@article{arxiv.2110.04494,
title = {SGMNet: Scene Graph Matching Network for Few-Shot Remote Sensing Scene Classification},
author = {Baoquan Zhang and Shanshan Feng and Xutao Li and Yunming Ye and Rui Ye},
journal= {arXiv preprint arXiv:2110.04494},
year = {2022}
}
备注
13 pages