.png){kind=icon}
返回
Incorporating difference information into curriculum learning for multitemporal image classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.127070.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多时相遥感图像分类旨在利用一个训练集（源图像，SI）上的可用信息，对同一区域新获取的图像（目标图像，TI）进行分类。然而，现有研究未能充分考虑到多时相图像之间的鲁棒差异信息（DI）。为了进一步利用差异信息并学习一个鲁棒分类器，本文提出了一种基于差异的分级学习方案用于多时相图像分类。在所提出的方法中，设计了鲁棒差异信息迁移技术，以减少未变类别的误差，从而提高迁移标签的准确性。然后利用分级学习来构建一个学习目标，通过为每个样本分配权重来衡量其可靠性。在分级学习过程中，设计了一个可调的分级函数，该函数融合了差异信息，以隐式方式约束分级区域。在十个数据集（五个区域）上的实验性能表明，我们提出的模型实现了显著的分类性能，从而证实了其在应用于遥感图像时的适用性。
Keyword:
Curriculum learning
Superpixel segmentation
Multitemporal image classification
Remote sensing
Change detection
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
.png){kind=icon}
Curriculum learning based approach for noise robust language identification using DNN with attention
PREAI
分享收藏
查看更多内容