聯合穩健跨域映射和漸進語義基準修正的零樣本遙感影像場景分類

作者：李彥勝,孔德宇,張永軍,季錚,肖銳

摘要：零樣本影像分類技術旨在通過學習數據集的部分類別(可見類),獲得識別在訓練階段未出現類別(不可見類)的能力。該技術在遙感大數據時代具有重要現實意義。目前,遙感領域的零樣本場景分類方法對于映射后的語義空間優化關注很少,導致已有方法的整體分類性能較差。基于這一考慮,本文提出了一種基于穩健跨域映射和漸進語義基準修正的零樣本遙感影像場景分類方法。在訓練的有監督學習模塊,基于可見類的類別語義向量和場景影像樣本,實現深度特征提取器學習和視覺空間到語義空間的穩健映射。在訓練的無監督學習階段,基于全體類別的類別語義向量和不可見類遙感影像樣本,分別通過協同表示學習和k近鄰算法來漸進修正不可見類類別的語義向量,從而緩解可見類語義空間與不可見類語義空間的漂移問題和自編碼跨域映射模型映射后不可見類語義空間與協同表示后不可見類語義空間的偏移問題。在測試階段,基于學習所得的深度特征提取器、自編碼跨域映射模型和修正后的不見類語義向量,實現對不可見類遙感影像場景的分類。本文整合多個已有公開的遙感影像場景數據集,組建了一個新的遙感影像場景數據集,在此數據集上進行試驗。試驗結果表明本文提出的算法在多種不同的可見類與不可見類的劃分情況下都明顯優于已有公開零樣本分類方法。

發文機構：武漢大學遙感信息工程學院

關鍵詞：零樣本學習遙感影像場景分類自編碼跨域映射協同表示學習自然語言模型zero-shot learningremote sensing image scene classificationcross-domain mapping with auto-encodercollaborative representation learningnatural language processing

分類號： P237[天文地球—攝影測量與遙感]