Cross-Modality Contrastive Learning for Hyperspectral Image Classification

对比学习第三篇，多模态对比学习
多模态的对比学习。

I. INTRODUCTION

介绍了解决小样本问题的三种途径：数据增强，迁移学习，非监督学习。
创新点：

• 多模态对比学习。
• 语义信息和结构信息迁移。

II. METHODOLOGY

创新点两个分支不是同一种数据

A. Architecture Overview
B. Unsupervised Feature Learning Framework
C. Feature Fine-Tuning for Hyperspectral Classification
- 比较早期的对比学习，类似SimCLR？
- 添加了结构损失函数提取以结构信息,好像也没有啥创新。（可以进一步细看）

III. EXPERIMENTS

A. Data Description
input size : 11118
Muufl Gulfport (MUUFL) 这个数据集没有用过
Trento dataset 这个数据集也没有用过

B. Hyperparameter Selection

• 1. Analysis on s（input size）
• 2. Analysis on p（PCA）
• Analysis on λ（the regularization parameter）
  C. Model Comparison
  D. Ablation Study
  E. Effects of Training Sample Numbers

IV. CONCLUSION

多模态是一个亮点?