Deep Few-Shot Learning for Hyperspectral Image Classification(2019)
文章目录
Abstract
论文提出了一种deep few-shot learning方法来解决HSI分类中样本量少的问题。算法包含了3种新策略:
- 首先,通过deep residual 3-D CNN提取spectral-spatial features以减少标记时的不确定性(labeling uncertainty)。
- 其次,用episodes(来自于matching network)的方式来学习一个metric space。(在这个metric space里同类样本距离很近,不同类样本距离很远)
- 最后,用最近邻分类器在metric space里将测试样本分类。
其中最重要的是用训练样本训练deep residual 3-D CNN得到一个metric space。这样的metric space可以泛化到测试集中,对测试集的样本进行分类。注意模型在训练的时候是不知道测试集是什么样子的,所以这是一个纯半监督学习而不是直推学习。