A Deep Curriculum Learning Semi-Supervised Framework for Remote Sensing Scene Classification

doi:10.3390/app15010360

A Deep Curriculum Learning Semi-Supervised Framework for Remote Sensing Scene Classification

2025-01-02

0

OA

AI

DOI：10.3390/app15010360

原文链接

原文求助

摘要

En 中文

近年来，深度学习在遥感图像领域取得了惊人的成功。通常，深度学习需要大量带标签的训练数据。然而，在遥感领域，充足的带标签数据稀缺，因为获取带标签数据往往困难、昂贵或耗时。为解决这些问题，我们提出了一种用于遥感图像场景分类的深度课程学习半监督框架（DCLSSF）。该框架采用一种多模态深度课程学习方法，能够实现基于难易程度的图像分类。具体而言，通过利用多个预训练网络提取图像的多重深度特征作为其多模态特征表示，可以从不同角度全面挖掘带标签和无标签图像的信息。随后，采用一种特征融合方法对多模态深度特征进行处理，以获得具有强判别能力和低维度的深度融合特征。最后，将多模态深度特征输入多模态课程学习方法进行分类。多模态课程学习能够根据各模态样本的顺序整合各模态推荐的简单课程，然后逐步学习。在三个公开数据集（UC Merced、AID和NWPU-RESISC45）上的实验表明，该半监督分类框架实现了高准确率（99.14%、97.95%和93.01%），甚至超过了最先进的监督分类方法。DCLSSF方法不仅能充分挖掘多模态深度学习网络提取的丰富特征，还能在难易范围内对无标签样本进行半监督分类。

A Deep Curriculum Learning Semi-Supervised Framework for Remote Sensing Scene Classification

摘要

期刊

机构

引用论文