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

上一篇：林业论文_基于哑变量和因子选择的森林蓄积量估
下一篇：没有了