基于跨域Mixup和自監(jiān)督學(xué)習(xí)的少樣本高光譜圖像分類

摘要： 針對目標域標記樣本稀缺引起的模型泛化性能不佳問題，提出了一種基于跨域Mixup和自監(jiān)督學(xué)習(xí)的少樣本高光譜圖像分類方法。首先，利用少樣本學(xué)習(xí)從源域提取更有利于目標域分類的元知識。其次，將Mixup技術(shù)應(yīng)用到少樣本學(xué)習(xí)中，將源域和目標域的查詢集進行特征級Mixup,通過源域數(shù)據(jù)擴展目標域數(shù)據(jù)的分布，增加目標域數(shù)據(jù)的多樣性，從而提高模型的泛化性能。最后，通過目標域自監(jiān)督學(xué)習(xí)來約束少樣... （共7頁）