一种基于原型对比学习的半监督遥感图像检索方法及系统.pdf
一条****淑淑
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于原型对比学习的半监督遥感图像检索方法及系统.pdf
本发明公开了一种基于原型对比学习的半监督遥感图像检索方法及系统,在不额外引入margin超参数的前提下,在学习过程中最大化类间方差同时最小化类内方差。接着,提出基于原型的无监督对比学习损失利用未标记数据优化半监督模型,将双分支改进为单分支,不依赖于数据增强构造正样本对,而是根据标记数据的原型为未标记数据分配伪标签,然后利用伪标签构建正负对来进行对比学习,从而充分挖掘未标记数据中隐藏的语义信息来增强模型的特征提取能力。最后,提出了多分支注意力模块,在不同尺度的图像信息上提取注意力权重,可以有效捕获遥感图像的
一种基于自监督对比学习的小样本遥感图像分类方法.pdf
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
一种基于半监督学习的红外遥感图像车辆识别方法.pdf
本发明公开了一种基于半监督学习的红外遥感图像车辆识别方法,该方法综合利用深度学习车辆识别模型和SVM车辆识别模型,当深度学习车辆识别概率大于一定阈值且SVM模型识别车辆信息熵值小于一定阈值时,该目标被新增到红外遥感图像车辆样本库中,用于重新训练深度学习车辆识别模型。该方法有效增加了红外遥感图像车辆样本,通过综合利用深度学习模型和SVM模型解决了样本量少时深度学习模型可靠性低的问题,提高了深度学习识别模型的识别精度。
一种基于限制性原型对比网络的小样本遥感图像分类方法.pdf
本发明涉及一种基于限制性原型对比网络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分割、数据增强等预处理;2、在源域和目标域随机选取样本构成对比支持集和查询集;3、设计并构建深度特征提取网络,利用对比支持集的类别原型与和查询集样本之间的距离更新网络参数;4、对类别原型施加三重限制以获得更加准确的原型用于网络的训练;5、微调网络模型并预测所有未标记样本的类别标签。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。
基于对比学习的半监督卷积神经网络的医学图像分割方法.pdf
本发明提供一种基于对比学习的半监督卷积神经网络的医学图像分割方法,主要针对医学图像中特定组织结构图像的定位分割,具体包括以下步骤,(1)输入医学图像数据,对医学图像数据进行预处理,提取正负样本,划分数据集,得到训练集数据、验证集数据和测试集数据;(2)构建对比学习卷积神经网络分割模型,(3)构建基于对比学习的半监督医学图像分割网络模型,(4)将所获得的训练模型对测试集数据进行预测,得到最后的分割预测图像。本发明有效地实现了医学图像处理半监督分割,一定程度上解决了医学图像数据集较少时的特定区域分割问题,更好