基于多尺度对比学习的弱监督遥感场景分类

摘要：

遥感场景分类作为一种理解遥感影像的重要方式,在目标检测、影像快速检索等方向有着重要的应用,当前主流的场景分类方法多关注影像深层次特征的准确提取,忽略了场景目标在不同分布尺度下的差异性.此外,有限的高质量场景标签进一步限制了模型分类性能.为了解决以上问题,本研究提出了基于多尺度对比学习的弱监督遥感场景分类方法,首先利用多尺度对比学习的自监督策略,从大量无标注数据中自动获取影像不同尺度下的特征表示.其次,基于多尺度稳健特征对分类模型利用少量标签进行微调,并结合标签传播方法生成高质量样本标签.最后,结合大量无标签数据构建弱监督分类模型,进一步提升场景分类的能力.本研究在遥感场景AID数据集和NWPU-RESISC45数据集上分别使用1％、5％和10％的标注样本下分类精度分别达到了87.7％、93.67％、95.56％和86.02％、93.15％和95.38％,在有限标注样本条件下与其他基准模型相比有着明显的优势,证明了本文模型的有效性.

关键词：场景分类、多尺度、深度学习、对比学习、弱监督学习、有限样本、标签传播、遥感

所属期刊栏目：24

分类号：TP391;TP181;TP751

资助基金：国家自然科学基金;国家自然科学基金;北京市自然科学基金

在线出版日期：2022-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1375-1390