摘要
本发明公开了一种基于双重关系蒸馏约束的高光谱遥感图像新类发现方法,包括获取高光谱遥感图像数据集,根据高光谱遥感图像数据集随机划分并获取数据训练集、数据验证集以及数据测试集;并对数据训练集进行训练数据选取,以获取监督训练样本集与新类发现训练样本集;构建基于双重关系蒸馏约束的高光谱遥感图像新类发现的新类发现网络模型,根据部分监督训练样本集与新类发现训练样本集,对新类发现网络模型进行模型训练,并通过数据验证集对训练后的新类发现网络模型进行模型验证,以获取新类发现网络优化模型;根据新类发现网络优化模型实现对数据测试集中高光谱遥感图像的新类预测。解决了传统分类模式因其依赖于充分的标注数据难以适应新类别的突发出现而逐渐显露出局限性。即现有的分类技术大多依赖于有限的标注样本,导致新类识别能力不足且适应性差的问题。
技术关键词
遥感图像数据
网络单元
训练样本集
高光谱遥感图像
蒸馏
网络优化
地物类别
数据验证
原型
特征提取器
分类器
关系
训练集
非线性特征
度量
GMM模型
融合特征
系统为您推荐了相关专利信息
性能预测模型
资源消耗预测
训练样本集
性能预测方法
资源消耗量
混合损失函数
特征提取模块
轻量级卷积神经网络
语义特征
跨尺度特征融合
实时分析方法
LBP特征
电力设备
历史运行数据
配网
图像分割网络
遥感图像数据
驱动特征
多任务损失函数
遥感影像分割