细粒度因果适配模型

跨域小样本提升

通过不变因果语义建模和细粒度证据聚合,提升遥感场景分类在跨域小样本下的判别力与可迁移性。

Yansheng, Gao · Jinghan, Qu · Liqing, Lei · 王生生

ISPRS Journal of Photogrammetry and Remote Sensing 2026

参数信息

基到新泛化平均准确率提升
5.37 %
少样本学习平均准确率提升
4.34 %
跨数据集迁移平均准确率提升
9.46 %

技术优势

类内更紧凑

将类别相关且域稳定的语义因子压缩进共享不变子空间,注入CLIP后特征编码更聚焦于判别性线索,降低类内散布。

少样本涨点

在少样本学习设定下比现有方法平均准确率提升4.34%,直接体现小样本可用性。

跨数据集更稳

跨数据集迁移设定下平均准确率提升9.46%,泛化到未见域的能力突出。

应用场景