一种基于原型对比自训练的跨域图像分类方法.pdf
鸿朗****ka
亲,该文档总共11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
一种基于原型对比自训练的跨域图像分类方法.pdf
本发明公开了一种基于原型对比自训练的跨域图像分类方法。本发明包括如下步骤:1)通过域不变特征学习方法,获得跨域图像分类模型;2)利用当前最新的跨域图像分类模型预测目标域上图像的伪标签,使用每个批次的数据不断更新每个类别的原型并计算对比损失;3)将分类损失和对比损失结合构成目标函数进行训练,优化更新特征抽取网络与跨域图像分类网络,再回到步骤2)循环执行。本发明将原型对比学习融入到自训练中,通过将目标域中无标签图像数据的分布结构编码进自训练框架中,并在自学习的过程中完全放弃掉源数据,有效解决了域不变表征学习与
一种跨域图像分类方法.pdf
本发明公开一种跨域图像分类方法,该方法用视觉特征提取器提取待分类目标域图像的初始视觉特征,并利用初始视觉特征构建领域对齐损失函数、类别对齐损失函数和结构对齐损失函数,再构建分类器,最后利用视觉特征提取器和分类器获得待分类的目标域图像的分类结果。该方案利用领域对齐损失函数、类别对齐损失函数和结构对齐损失函数来减小待分类目标域图像各个领域之间的差异,提高对跨域图像的分类精度。
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。
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
一种基于全局-局部知识蒸馏的跨域小样本图像分类方法.pdf
本发明提供了一种基于全局‑局部知识蒸馏的跨域小样本图像分类方法。构建了由全局分支和局部分支构成的分类模型,其中,全局分支以原始图像为输入,用于提取图像的全局特征,局部分支以原始图像的局部块为输入,用于提取该图像的局部特征;在两分支之间,通过构建全局‑局部知识蒸馏损失促进全局特征关注到图像的局部区域,使得全局特征捕获丰富的语义信息,进而提升全局特征在跨域小样本任务上的泛化性能。