光谱畸变下稳健检测
该网络通过非线性光谱合成扩充训练样本，结合迁移学习解决数据不足问题，在复杂环境下对目标与背景的重建残差实现最大化区分，从而提升高光谱目标检测的稳健性。
师艳子 · 崔华 · Yin, Yaping · 宋焕生 · 李云松 · Gamba, Paolo
IEEE Transactions on Geoscience and Remote Sensing 2023
利用以最大化目标与背景重建残差差异为目标的多级损失，训练非对称自编码器，使检测对光谱变化具有良好容忍性。
采用双线性混合模型合成非线性目标与背景光谱，更好地刻画复杂环境中的地物，缓解训练数据不足。
迁移学习使得网络可以利用参考数据训练的多尺度特征提取子网络，仅更新简单的重建子网络，从而在不同数据上保持性能。