双对齐跨域分类
同时对齐低层光谱与高层语义特征，并在目标域内保留域特定判别信息，实现高精度小样本高光谱分类。
Qin, Ruiru · 吕明云 · Wang, Chuanzhi · Wu, Yongmei · Du, Huafei
Neurocomputing 2025
在低层光谱特征层面引入非对称差异度量约束，弥补了现有方法仅对齐高层语义特征的不足，从而更全面地缓解域偏移。
轻量域特定注意力网络专门在目标域内构建全局依赖，既提取域无关信息又保持对目标域的敏感性，避免域不变表示导致的判别性损失。
轻量化的域特定注意力网络设计使整体方法在取得更优性能的同时具有更低的计算复杂度，便于部署。
同时采用监督对比损失和多核三元组损失，促进特征空间中类内紧凑性和类间离散性，进一步提升判别能力。