基于跨域Mixup和自監(jiān)督學習的少樣本高光譜圖像分類

摘要： 針對目標域標記樣本稀缺引起的模型泛化性能不佳問題，提出了一種基于跨域Mixup和自監(jiān)督學習的少樣本高光譜圖像分類方法。首先，利用少樣本學習從源域提取更有利于目標域分類的元知識。其次，將Mixup技術應用到少樣本學習中，將源域和目標域的查詢集進行特征級Mixup,通過源域數據擴展目標域數據的分布，增加目標域數據的多樣性，從而提高模型的泛化性能。最后，通過目標域自監(jiān)督學習來約束少樣... （共7頁）