近日,交通學(xué)院測繪工程系岳俊博士與湖南大學(xué)、英國蘭卡斯特大學(xué)、德國德累斯頓-羅森多夫赫爾姆霍茲中心(HZDR)研究人員合作的研究成果“Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification”,提出了基于三維自監(jiān)督的高光譜遙感影像分類方法,有效減少了高光譜遙感影像解譯所需的樣本數(shù)量,該論文發(fā)表于國際頂級遙感學(xué)術(shù)期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS),在學(xué)術(shù)界引起廣泛關(guān)注。岳俊為該論文第一作者,長沙理工大學(xué)為第一署名單位。
高光譜遙感影像中存在大量的未標記樣本,如何充分發(fā)揮未標記樣本的作用是提高高光譜遙感影像分類精度的關(guān)鍵因素之一。針對這一問題,該論文提出了一種自監(jiān)督學(xué)習方法來充分利用大量的未標記樣本對深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。該方法包括兩個模塊:自適應(yīng)知識蒸餾模塊和高光譜遙感影像三維自監(jiān)督變換模塊。自適應(yīng)知識蒸餾模塊利用自監(jiān)督信息訓(xùn)練網(wǎng)絡(luò),其中自監(jiān)督信息是通過空間譜相似性度量生成的自適應(yīng)軟標簽。該模塊基于未標記樣本和 標記樣本之間的空間譜聯(lián)合距離生成高光譜遙感影像中未標記樣本和地物類別之間的相似度。同時,該方法將自監(jiān)督方法從二維變換擴展到三維變換,充分利用高光譜遙感影像具有三個維度的特點。通過該文提出的高光譜遙感影像三維自監(jiān)督變換模塊,可以對高光譜遙感影像進行二維旋轉(zhuǎn)變換和基于光譜軸的翻轉(zhuǎn)變換,在三維層面進行自監(jiān)督學(xué)習,充分利用每一個標記樣本的監(jiān)督信息。該研究得到國家重點研發(fā)計劃項目、國家自然科學(xué)基金項目和湖南省教育廳優(yōu)秀青年項目的共同資助,該研究成果能有效減少訓(xùn)練高光譜遙感分類模型所需的樣本數(shù)量,減少遙感應(yīng)用工程中所需的人力物力和時間投入,對遙感技術(shù)服務(wù)國家重大戰(zhàn)略和需求的能力產(chǎn)生積極影響。
IEEE TGRS為電氣與電子工程師協(xié)會(Institute of Electrical and Electronics Engineers, IEEE)遙感學(xué)會(Geoscience and Remote Sensing Society, GRSS)會刊,已有55年的歷史,是遙感與地球科學(xué)領(lǐng)域最頂尖級的國際期刊之一。該刊物內(nèi)容涵蓋遙感科學(xué)、信息科學(xué)、空間科學(xué)等多個學(xué)科,集中反映了當代遙感與地球科學(xué)的最新進展。該刊為中科院SCI一區(qū)TOP期刊,我校認定的學(xué)科領(lǐng)域TOP5期刊,2020年影響因子為5.855。
論文鏈接:https://ieeexplore.ieee.org/document/9360315
Jun Yue, Leyuan Fang, Hossein Rahmani and Pedram Ghamisi, "Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3057768。(文/李金蓮 審/孔偉紅)
近日,交通學(xué)院測繪工程系岳俊博士與湖南大學(xué)、英國蘭卡斯特大學(xué)、德國德累斯頓-羅森多夫赫爾姆霍茲中心(HZDR)研究人員合作的研究成果“Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification”,提出了基于三維自監(jiān)督的高光譜遙感影像分類方法,有效減少了高光譜遙感影像解譯所需的樣本數(shù)量,該論文發(fā)表于國際頂級遙感學(xué)術(shù)期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS),在學(xué)術(shù)界引起廣泛關(guān)注。岳俊為該論文第一作者,長沙理工大學(xué)為第一署名單位。
高光譜遙感影像中存在大量的未標記樣本,如何充分發(fā)揮未標記樣本的作用是提高高光譜遙感影像分類精度的關(guān)鍵因素之一。針對這一問題,該論文提出了一種自監(jiān)督學(xué)習方法來充分利用大量的未標記樣本對深度神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。該方法包括兩個模塊:自適應(yīng)知識蒸餾模塊和高光譜遙感影像三維自監(jiān)督變換模塊。自適應(yīng)知識蒸餾模塊利用自監(jiān)督信息訓(xùn)練網(wǎng)絡(luò),其中自監(jiān)督信息是通過空間譜相似性度量生成的自適應(yīng)軟標簽。該模塊基于未標記樣本和 標記樣本之間的空間譜聯(lián)合距離生成高光譜遙感影像中未標記樣本和地物類別之間的相似度。同時,該方法將自監(jiān)督方法從二維變換擴展到三維變換,充分利用高光譜遙感影像具有三個維度的特點。通過該文提出的高光譜遙感影像三維自監(jiān)督變換模塊,可以對高光譜遙感影像進行二維旋轉(zhuǎn)變換和基于光譜軸的翻轉(zhuǎn)變換,在三維層面進行自監(jiān)督學(xué)習,充分利用每一個標記樣本的監(jiān)督信息。該研究得到國家重點研發(fā)計劃項目、國家自然科學(xué)基金項目和湖南省教育廳優(yōu)秀青年項目的共同資助,該研究成果能有效減少訓(xùn)練高光譜遙感分類模型所需的樣本數(shù)量,減少遙感應(yīng)用工程中所需的人力物力和時間投入,對遙感技術(shù)服務(wù)國家重大戰(zhàn)略和需求的能力產(chǎn)生積極影響。
IEEE TGRS為電氣與電子工程師協(xié)會(Institute of Electrical and Electronics Engineers, IEEE)遙感學(xué)會(Geoscience and Remote Sensing Society, GRSS)會刊,已有55年的歷史,是遙感與地球科學(xué)領(lǐng)域最頂尖級的國際期刊之一。該刊物內(nèi)容涵蓋遙感科學(xué)、信息科學(xué)、空間科學(xué)等多個學(xué)科,集中反映了當代遙感與地球科學(xué)的最新進展。該刊為中科院SCI一區(qū)TOP期刊,我校認定的學(xué)科領(lǐng)域TOP5期刊,2020年影響因子為5.855。
論文鏈接:https://ieeexplore.ieee.org/document/9360315
Jun Yue, Leyuan Fang, Hossein Rahmani and Pedram Ghamisi, "Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3057768。(文/李金蓮 審/孔偉紅)