多尺度对比学习网络

高光谱分类精度高

利用标签信息构造同物体多尺度正样本,缩小类内差距,实现光谱-空间特征自适应融合。

董文倩 · Hao, Wang · 曲家慧 · Hou, Shaoxiong · 李云松

Journal of Remote Sensing 2025

参数信息

总体分类精度
96.20 %

技术优势

无需两阶段训练

监督对比学习直接在标签指导下训练,不需要先自监督预训练再微调。

类内差距缩小

通过标签信息把同一物体的两个多尺度空间特征构造成正样本,同类样本距离更聚集,类间距离被推远。

正样本多样性高

对n个物体可以生成2n个视图,同一类物体的所有视图互为负样本之外的正样本,比传统裁剪旋转更丰富。

特征融合自适应

可学习参数自动整合光谱-空间特征,生成更准确的分类概率。

应用场景