對比學習結(jié)合DenseNet的高光譜圖像開放集分類

摘要： 高光譜圖像分類通常假設訓練與測試數(shù)據(jù)共享相同類別，且測試集中不存在未知類，但這一前提在實際環(huán)境中過于理想。針對高光譜數(shù)據(jù)類別間差異較小，特征分布容易出現(xiàn)重疊，從而導致邊界混淆問題，提出了對比學習結(jié)合DenseNet的高光譜圖像開放集分類方法。利用光譜特征提取模塊獲取原始光譜維度特征，并通過DenseNet實現(xiàn)多層次特征信息交互，同時利用過渡模塊壓縮光譜通道，以形成更清晰的類邊界... （共17頁）