遥感图像跨域半监督分类的分类器约束深度对抗域自适应

1、原文

Classifier-Constrained Deep Adversarial Domain Adaptation for Cross-Domain Semisupervised Classification in Remote Sensing Images.

https://ieeexplore.ieee.org/document/8794530  

2、摘要

这封信提出了一种分类器约束的深度对抗域自适应(CDADA)方法，用于遥感(RS)图像中的跨域半监督分类。深度卷积神经网络(DCNN)用于构建特征表示，以在适应过程之前描述场景的语义内容。然后，对抗域自适应用于对齐源和目标的特征分布。具体来说，使用两个不同的土地覆盖分类器作为判别器来考虑类别之间的土地覆盖决策边界，并增加它们的距离以将它们与原始土地覆盖类别边界分开。然后，生成器在分类器约束下创建远离原始土地覆盖类别边界的稳健可转移特征。报告和讨论了从三个基准RS场景数据集（AID、Merced和RSI-CB数据集）构建的六个场景的实验结果。

3、正文

---------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------

---------------------------------------------------------------------------------

--------------------------------------------------------------------------------

4、结论

在这封信中，提出了一种CDADA方法用于RS图像中的跨域半监督分类。该方法使用DCNN构建的特征表示来描述场景的语义内容，并使用两个不同的土地覆盖分类器作为约束来强制生成器创建远离原始土地覆盖的鲁棒可转移特征对齐源和目标的特征分布时的类边界。在六个跨域场景数据集上的实验结果证明了该方法的有效性。

5、参考文献