一种基于自监督对比学习的小样本遥感图像分类方法
授权
摘要
本发明涉及一种基于自监督对比学习的小样本遥感图像分类方法，包括以下步骤：1、对原始高光谱遥感数据进行降维、分割等预处理；2、在少量标记样本组成的训练集中，随机挑选标记样本并进行二次组合，生成对比学习组；3、设计并构建深度特征提取网络，利用对比组更新网络参数；4、利用训练好的深度网络模型对所有未标记样本进行预测，生成伪标记，并提出置信度差异算法挑选部分具有较高置信度的伪标记样本；5、微调网络模型并预测所有未标记样本的类别标签：将原始标记样本和伪标记样本结合，进一步训练模型并输出测试集样本的预测标签。本发明可以在少量标记样本的情况下，实现对高光谱遥感图像的准确分类，其分类效果明显优于一些现有算法。
基本信息
专利标题 ：
一种基于自监督对比学习的小样本遥感图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114299398A
申请号 ：
CN202210228860.5
公开（公告）日 ：
2022-04-08
申请日 ：
2022-03-10
授权号 ：
CN114299398B
授权日 ：
2022-05-17
发明人 ：
刘泉涌付应雄彭江涛陈娜黄怡宁羽杰余林洲
申请人 ：
湖北大学
申请人地址 ：
湖北省武汉市武昌区友谊大道368号
代理机构 ：
武汉泰山北斗专利代理事务所(特殊普通合伙)
代理人 ：
程千慧
优先权 ：
CN202210228860.5
主分类号 ：
G06V20/10
IPC分类号 ：
G06V20/10 G06V10/40 G06V10/58 G06V10/764 G06V10/82 G06K9/62 G06N3/04
法律状态
2022-05-17 ：
授权
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
