工业通用技术及设备论文_融合半监督学习的无监 - 遥感学报杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 遥感学报

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

工业通用技术及设备论文_融合半监督学习的无监

作者:

关键词:

摘要：

文章摘要:自监督学习可以不依赖样本标签对遥感影像进行特征提取，但是特征分类仍然依赖有监督方法。为了克服有监督特征分类过程的不足，实现遥感影像特征的无监督自动分类，本文提出了一种融合半监督学习的无监督语义聚类方法。首先，使用自监督学习提取遥感影像特征，抽象出图像包含的高层语义信息；然后，基于特征相似度寻找每个样本最相似的近邻，使用在线聚类将相似样本聚为一类，训练一个线性分类器；最后，根据聚类结果为高置信度样本生成伪标签，构造标注样本集，使用半监督方法对模型微调。在4个公开遥感影像场景分类数据集EuroSAT、GID、AID和NWPU-RESISC45上进行验证，分类精度分别达到了94.84%、63.55%、76.42%和86.24%。本文提出的方法结合了在线聚类和半监督学习的优点，缓解了已有方法存在的误差积累和样本利用不充分的问题，在完全不使用标注样本的情况下，充分利用自监督特征训练分类模型，对遥感影像进行场景分类，达到接近有监督学习的分类效果，具有良好的应用价值。

文章关键词:

论文分类号:TP751;TP181

文章来源：《遥感学报》网址: http://www.ygxbzz.cn/qikandaodu/2022/0114/1048.html