一种基于Transformer的场景分类方法

作者：叶发茂; 王孟瑶^*; 吴坤霖; 张任高; 孟祥龙

来源：测绘科学, 2023, 48(10): 98-106.

DOI：10.16251/j.cnki.1009-2307.2023.10.011

• 半监督
• Transformer
• 场景分类
• 伪标签

针对半监督遥感图像场景分类中伪标签质量差和伪标签样本类别分布不均衡问题，该文提出了一种基于Transformer的半监督循环学习机制遥感图像场景分类方法。该方法首先将PVT＿v2模型与卷积注意力机制模块(CBAM)相结合提升模型的分类能力；其次，提出了一种自适应类别阈值的半监督循环学习机制的遥感图像训练方法，在循环训练过程中自适应确定不同图像类别的置信度阈值以改善伪标签样本类别分布不均衡问题。最后，提出了动态加权样本选择机制，以提升训练样本较少的类别和比较难以识别类别的训练样本被用于训练的概率。在公开的遥感数据集UCM和NWPU-RESISC45上进行了实验，仅使用每类5张有标签数据训练，准确率分别达到了90.16%和87.30%,较其他半监督方法分别提升了0.24%和3.00%。实验结果表明，该文方法可以提升遥感图像场景分类性能。

• 单位
  东华理工大学