双向样本类对齐网络

跨数据集场景分类

同时对齐样本与类别中心，缓解跨数据集差异，用少量标注即可实现高精度遥感场景分类。

Wei, Huang · Shi, Yilei · Xiong, Zhitong · 王琦 · Zhu, Xiao Xiang

ISPRS Journal of Photogrammetry and Remote Sensing 2023

技术优势

同时对齐样本和类别中心

无监督对齐缩小跨域分布距离，监督对齐实现源域样本与目标域类别中心、目标域样本与源域类别中心的双向对齐，共同减少域偏移。

特征更紧致、边界更确定

实验表明该方法在取得高分类精度的同时，学习到的特征表示更加紧致，分类边界具有更低熵。

应用场景

• 遥感图像分析：用少量标注即可对大规模遥感图像进行跨数据集场景分类。
• 土地利用分类：利用源域标注知识快速适配新区域的土地利用类型识别。
• 环境监测：在不同传感器或时期的遥感数据间迁移分类模型，辅助环境变化监测。
• 自动驾驶地图：将现有场景分类模型适配到新区域，减少地图要素标注成本。