940
0
0
2023-01-14 23:59:24
2023-01-15
IEEE Transactions on Geoscience and Remote Sensing（TGRS）是遙感與地球科學(xué)領(lǐng)域國際頂級(jí)期刊,，重點(diǎn)收錄應(yīng)用于陸地,、海洋、大氣和空間傳感科學(xué)與工程理論,、概念和技術(shù),，以及信息的處理,、解釋和傳播等創(chuàng)新研究成果。
課題組一篇關(guān)于多源遙感圖像聯(lián)合分類的研究工作被遙感領(lǐng)域頂級(jí)期刊 IEEE TGRS 錄用并發(fā)表,。該文一作為2020級(jí)碩士生王猛,。
論文題目：Nearest Neighbor-Based Contrastive Learning for Hyperspectral and LiDAR Data Classification
作者：Meng Wang; Feng Gao; Junyu Dong; Heng-Chao Li; Qian Du
高光譜圖像和LiDAR數(shù)據(jù)的聯(lián)合分類旨在更精確的實(shí)現(xiàn)地物解譯。盡管深度學(xué)習(xí)方法在多源數(shù)據(jù)分類任務(wù)中取得了非常好的性能,，但自監(jiān)督學(xué)習(xí)卻很少被應(yīng)用在多源遙感數(shù)據(jù)分析任務(wù)中,。由于現(xiàn)有的對(duì)比學(xué)習(xí)框架沒有利用鄰近區(qū)域的語義相似性，因此為多源數(shù)據(jù)分類建立一個(gè)強(qiáng)大的自監(jiān)督學(xué)習(xí)模型通常是不容易的,。此外,，多源數(shù)據(jù)的不一致分布引起的異質(zhì)性也影響了分類性能。為了克服上述兩個(gè)不足,，本文提出了一個(gè)基于最近鄰的對(duì)比學(xué)習(xí)網(wǎng)絡(luò)（NNCNet）,，它充分利用了大量的未標(biāo)記數(shù)據(jù)來學(xué)習(xí)地物的特征表征。具體來說,，我們提出了一個(gè)基于最近鄰的數(shù)據(jù)增強(qiáng)方案,，利用附近區(qū)域之間的相似性增強(qiáng)語義關(guān)系。此外,，我們?cè)O(shè)計(jì)了一個(gè)雙線性注意力模塊,，以利用多模態(tài)數(shù)據(jù)之間的二階甚至高階特征的相互作用,。在四個(gè)公共數(shù)據(jù)集上進(jìn)行的廣泛實(shí)驗(yàn)表明，本文提出的 NNCNet 能夠取得非常好的分類性能,。
論文鏈接：https://ieeexplore.ieee.org/document/10015054
