.png){kind=icon}
返回
Classwise Prototype-Guided Alignment Network for Cross-Scene Hyperspectral Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2024.3431702.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在过去的几年中，高光谱图像分类 (HSIC) 取得了重大进展。然而，当将源场景上训练的分类器直接应用于新场景时，由于光谱偏移现象，分类性能往往会急剧下降。大多数现有技术使用特征对齐来学习从标记的场景到未标记的场景的知识，通常忽略了噪声样本和离群值的影响。为了解决这个问题，提出了用于跨场景HSIC的classwise原型引导对准网络 (CPGAN)。核心思想是跨场景的类原型被用作对齐中介，以指导跨场景特征对齐。具体地，首先，利用公共特征提取器提取来自不同场景的谱空间特征。然后，设计了一种不确定性感知的伪标签选择 (UPS)，以获得未标记目标场景的高置信度伪标签。最后，提出了一种新颖的按类原型引导对齐方法，以同时实现域间和域内对齐 (IntraDA)。在三个数据集上进行的实验结果表明，与其他前沿分类算法相比，我们的方法具有优越的性能。
Keyword:
Prototypes
Feature extraction
Noise measurement
Training
Hyperspectral imaging
Geoscience and remote sensing
Data mining
Domain adaptation (DA)
feature alignment
hyperspectral image classification (HSIC)
prototype calibration (ProC)
uncertainty estimations
期刊
IF:
8.6
论文数:
2.2W
被引数:
10.7W
机构
引用论文
cDNA sequence, tissue-specific expression, and chromosomal mapping of the human slow-twitch skeletal muscle isoform of troponin I肌钙蛋白I的人类慢抽搐骨骼肌同工型的cDNA序列，组织特异性表达和染色体定位.png)
Genomics
GenomicsIF0
PREAI
分享收藏Broad Graph Convolutional Neural Network and Its Application in Hyperspectral Image Classification广义图卷积神经网络及其在高光谱图像分类中的应用
PREAI
分享收藏Diversity-Connected Graph Convolutional Network for Hyperspectral Image Classification基于多样性连通图卷积网络的高光谱图像分类
PREAI
分享收藏Structure-Adaptive Convolutional Neural Network for Hyperspectral Image Classification基于结构自适应卷积神经网络的高光谱图像分类
PREAI
分享收藏Integrating Prototype Learning With Graph Convolution Network for Effective Active Hyperspectral Image Classification集成原型学习与图卷积网络的有效主动高光谱图像分类
PREAI
分享收藏Distillation-Constrained Prototype Representation Network for Hyperspectral Image Incremental Classification用于高光谱图像增量分类的蒸馏约束原型表示网络
PREAI
分享收藏Cross-Scene Classification of Hyperspectral Images via Generative Adversarial Network in Latent Space基于潜空间生成对抗网络的高光谱图像跨场景分类
PREAI
分享收藏
查看更多内容