基于跨域Mixup和自监督学习的少样本高光谱图像分类

摘要： 针对目标域标记样本稀缺引起的模型泛化性能不佳问题，提出了一种基于跨域Mixup和自监督学习的少样本高光谱图像分类方法。首先，利用少样本学习从源域提取更有利于目标域分类的元知识。其次，将Mixup技术应用到少样本学习中，将源域和目标域的查询集进行特征级Mixup,通过源域数据扩展目标域数据的分布，增加目标域数据的多样性，从而提高模型的泛化性能。最后，通过目标域自监督学习来约束少样... （共7页）