基于自监督学习的遥感影像作物分类方法

本发明公开了一种基于自监督学习的遥感影像作物分类方法，通过全自动化样本选择方法提取出符合规则的作物样本数据，将作物样本数据加工制作成粗训练样本集，利用代理任务结合注意力机制进行表征学习，基于特征相似度确定各遥感图片的相似图片，然后将代理特征作为语义聚类的先验条件，使用softmax后的最大化点积作为损失函数进行精细分类。本发明对影像自身的特征相似学习的方法进行无监督训练，通过聚类的方法完成对于作物的分类，避免了手工标注数据的繁琐和昂贵；同时与传统的手工提取特征方法相比，它可以更好地适应遥感图像的复杂性和变化，同时可以更好地利用未标注数据进行训练，提高了作物分类的准确性。