面向遥感影像跨域迁移场景的模型可迁移性度量方法

本发明公开了一种面向遥感影像跨域迁移场景的模型可迁移性度量方法，包括对于面向遥感地表要素分类的神经网络模型跨场景迁移任务，构建目标域的特征空间；利用目标域的特征空间，提取出目标域各个类别的特征，并输入预先建立的特征计算模型，获得目标域特征空间中所有维度的特征可分离性；对相应维度的特征可分离性施加权重，得到目标域加权修正后的特征可分离性；基于目标域加权修正后的特征可分离性计算得出可迁移性度量指标，并联合源域模型迁移到目标域后的精度进行比较分析，得到源域模型到目标域的可迁移性。本发明通过在特征空间中对各个维度的可分离性施加权重，考虑不同维度特征的重要性，提高了可迁移性度量与迁移后精度的稳定相关性。