基于深度异构迁移学习的水稻遥感影像提取

来源：湖北农业科学杂志2024年第8期北京时间：

作者：邱儒琼1,2, 何丽华3, 李孟璠2

单位：1.中国地质大学（武汉）国家地理信息系统工程技术研究中心,武汉 430074; 2.湖北省发展规划研究院有限公司,武汉 430071; 3.湖北省地理国情监测中心,武汉 430071

摘要：为了实现在目标域仅有无标注样本的条件下对异构遥感影像上的水稻提取模型进行高质量构建和复用,构建了一种基于时空约束的深度异构特征迁移学习模型。首先,基于空间位置构建源域和目标域无标签样本组,并提取其深度特征;其次,构建异构特征迁移模型,创建同名样本特征转换、同名样本特征正则、样本重建损失函数,减少特征负迁移影响,实现异构特征的精准迁移;最后,建立半监督分类模型,通过引入HingLoss损失来消除错误伪标签的影响,实现分类精度的提高。结果表明,本研究方法能够实现不同分辨率下影像间的样本特征迁移,相较于未经过特征迁移的情况,准确率提升了27.68个百分点,F1分数提升了17.3个百分点。

关键词：无标注样本,水稻提取,高分辨率遥感影像,深度异构迁移学习

基金资助：湖北省自然资源厅科研项目（ZRZY2021KJ03）