.png){kind=icon}
返回
Semi-Supervised Remote Sensing Imagery Scene Classification Based on Probabilistic Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3609807.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决半监督遥感场景分类中的低质量伪标签和类别不平衡问题，本文提出了一种基于概率随机选择的新型动态自适应重加权与伪标签方法（DARP）。首先，我们提出了一种具有自适应类别阈值和概率随机选择方法的半监督递归学习策略，以解决样本多样性和伪标签样本类别分布不平衡的问题。其次，我们设计了一种基于图像类别数量和准确率的图像类别权重确定方法，并为准确率较低的类别分配更大的权重，从而增加这些类别样本的选取概率，提高整体准确率。在公开数据集UCM和NWPU-RESISC45上进行了实验，仅使用每类5个标注样本，准确率分别达到95.87%和88.86%，相比现有半监督方法提升了5.71%和1.56%。
Keyword:
Probabilistic random selection
pseudo-labels
remote sensing scene classification
semi-supervised learning
