DL00392-基于深度跨域少镜头学习的高光谱图像分类python完整代码含数据集

高光谱图像（HSI）分类中的一个挑战是，针对非常高维数据，标注样本数量有限，难以训练分类器。在实际应用中，经常会遇到一个标注数据极少的高光谱图像域（称为目标域），而另一个高光谱图像域（称为源域）可能有足够的标注数据。这两个域之间的类别可能并不相同。本代码试图利用源类数据来帮助分类目标类，包括相同类和新的未见过的类。为了解决这一分类范式，通常采用少样本学习（FSL）的元学习范式。然而，现有的 FSL 方法并未考虑源域与目标域之间的领域偏移。为了解决领域偏移下的 FSL 问题，提出了一种新颖的深度跨领域少样本学习方法。