公开(公告)号：CN114913379A

公开(公告)日：2022-08-16

申请号：CN202210644945.1

申请日：2022-06-08

Applicant: 西安电子科技大学

Inventor： 唐旭 ,  林伟权 ,  马晶晶 ,  张向荣 ,  焦李成

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/778

Abstract: 本发明提出了一种基于多任务动态对比学习的遥感图像小样本场景分类方法，主要解决现有技术在遥感图像小样本场景分类精度低的问题。其实现方案包括：从数据集中划分训练集和测试集；构建多任务动态对比学习模型；构建训练多任务动态对比学习模型所需的多任务；提取多任务的特征、原型及正负样本；定义分类准确率和总体损失函数；通过多任务及其特征、原型和正负样本计算总体损失函数；使用Adam优化器的动量估计算法对总体损失函数求梯度，并根据梯度负方向训练多任务动态对比学习模型；利用训练好的多任务对比学习模型输出测试集中图像的预测结果。本发明相较于现有技术极大地提高了分类精度，可用于分类对象样本稀缺的实际应用场景。

公开(公告)号：CN114913379B

公开(公告)日：2024-08-20

申请号：CN202210644945.1

申请日：2022-06-08

Applicant: 西安电子科技大学

Inventor： 唐旭 ,  林伟权 ,  马晶晶 ,  张向荣 ,  焦李成

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/778

Abstract: 本发明提出了一种基于多任务动态对比学习的遥感图像小样本场景分类方法，主要解决现有技术在遥感图像小样本场景分类精度低的问题。其实现方案包括：从数据集中划分训练集和测试集；构建多任务动态对比学习模型；构建训练多任务动态对比学习模型所需的多任务；提取多任务的特征、原型及正负样本；定义分类准确率和总体损失函数；通过多任务及其特征、原型和正负样本计算总体损失函数；使用Adam优化器的动量估计算法对总体损失函数求梯度，并根据梯度负方向训练多任务动态对比学习模型；利用训练好的多任务对比学习模型输出测试集中图像的预测结果。本发明相较于现有技术极大地提高了分类精度，可用于分类对象样本稀缺的实际应用场景。