国产激情з∠视频一区二区,国产精品免费无遮挡无码永久视频,亚洲VA中文字幕无码毛片

學(xué)院新聞
交通學(xué)院岳俊博士研究成果在遙感智能解譯方面取得重要突破并在國際遙感頂級(jí)期刊發(fā)表

近日,交通學(xué)院測(cè)繪工程系岳俊博士與湖南大學(xué)、英國蘭卡斯特大學(xué)、德國德累斯頓-羅森多夫赫爾姆霍茲中心(HZDR)研究人員合作的研究成果Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification”,提出了基于三維自監(jiān)督的高光譜遙感影像分類方法,有效減少了高光譜遙感影像解譯所需的樣本數(shù)量,該論文發(fā)表于國際頂級(jí)遙感學(xué)術(shù)期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS),在學(xué)術(shù)界引起廣泛關(guān)注。岳俊為該論文第一作者,長沙理工大學(xué)為第一署名單位。

高光譜遙感影像中存在大量的未標(biāo)記樣本,如何充分發(fā)揮未標(biāo)記樣本的作用是提高高光譜遙感影像分類精度的關(guān)鍵因素之一。針對(duì)這一問題,該論文提出了一種自監(jiān)督學(xué)習(xí)方法來充分利用大量的未標(biāo)記樣本對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。該方法包括兩個(gè)模塊:自適應(yīng)知識(shí)蒸餾模塊和高光譜遙感影像三維自監(jiān)督變換模塊。自適應(yīng)知識(shí)蒸餾模塊利用自監(jiān)督信息訓(xùn)練網(wǎng)絡(luò),其中自監(jiān)督信息是通過空間譜相似性度量生成的自適應(yīng)軟標(biāo)簽。該模塊基于未標(biāo)記樣本和 標(biāo)記樣本之間的空間譜聯(lián)合距離生成高光譜遙感影像中未標(biāo)記樣本和地物類別之間的相似度。同時(shí),該方法將自監(jiān)督方法從二維變換擴(kuò)展到三維變換,充分利用高光譜遙感影像具有三個(gè)維度的特點(diǎn)。通過該文提出的高光譜遙感影像三維自監(jiān)督變換模塊,可以對(duì)高光譜遙感影像進(jìn)行二維旋轉(zhuǎn)變換和基于光譜軸的翻轉(zhuǎn)變換,在三維層面進(jìn)行自監(jiān)督學(xué)習(xí),充分利用每一個(gè)標(biāo)記樣本的監(jiān)督信息。該研究得到國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國家自然科學(xué)基金項(xiàng)目和湖南省教育廳優(yōu)秀青年項(xiàng)目的共同資助,該研究成果能有效減少訓(xùn)練高光譜遙感分類模型所需的樣本數(shù)量,減少遙感應(yīng)用工程中所需的人力物力和時(shí)間投入,對(duì)遙感技術(shù)服務(wù)國家重大戰(zhàn)略和需求的能力產(chǎn)生積極影響。

IEEE TGRS電氣與電子工程師協(xié)會(huì)(Institute of Electrical and Electronics Engineers, IEEE)遙感學(xué)會(huì)(Geoscience and Remote Sensing Society, GRSS)會(huì)刊,已有55年的歷史,是遙感地球科學(xué)領(lǐng)域最頂尖級(jí)的國際期刊之一。該刊物內(nèi)容涵蓋遙感科學(xué)、信息科學(xué)、空間科學(xué)等多個(gè)學(xué)科,集中反映了當(dāng)代遙感與地球科學(xué)的最新進(jìn)展。該刊為中科院SCI一區(qū)TOP期刊,我校認(rèn)定的學(xué)科領(lǐng)域TOP5期刊,2020年影響因子5.855

 

論文鏈接:https://ieeexplore.ieee.org/document/9360315

Jun Yue, Leyuan Fang, Hossein Rahmani and Pedram Ghamisi, "Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3057768。(文/李金蓮  審/孔偉紅)


學(xué)院新聞
學(xué)院新聞
學(xué)院新聞
交通學(xué)院岳俊博士研究成果在遙感智能解譯方面取得重要突破并在國際遙感頂級(jí)期刊發(fā)表
發(fā)布日期:2021年03月26日 來源:

近日,交通學(xué)院測(cè)繪工程系岳俊博士與湖南大學(xué)、英國蘭卡斯特大學(xué)、德國德累斯頓-羅森多夫赫爾姆霍茲中心(HZDR)研究人員合作的研究成果Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification”,提出了基于三維自監(jiān)督的高光譜遙感影像分類方法,有效減少了高光譜遙感影像解譯所需的樣本數(shù)量,該論文發(fā)表于國際頂級(jí)遙感學(xué)術(shù)期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS),在學(xué)術(shù)界引起廣泛關(guān)注。岳俊為該論文第一作者,長沙理工大學(xué)為第一署名單位。

高光譜遙感影像中存在大量的未標(biāo)記樣本,如何充分發(fā)揮未標(biāo)記樣本的作用是提高高光譜遙感影像分類精度的關(guān)鍵因素之一。針對(duì)這一問題,該論文提出了一種自監(jiān)督學(xué)習(xí)方法來充分利用大量的未標(biāo)記樣本對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。該方法包括兩個(gè)模塊:自適應(yīng)知識(shí)蒸餾模塊和高光譜遙感影像三維自監(jiān)督變換模塊。自適應(yīng)知識(shí)蒸餾模塊利用自監(jiān)督信息訓(xùn)練網(wǎng)絡(luò),其中自監(jiān)督信息是通過空間譜相似性度量生成的自適應(yīng)軟標(biāo)簽。該模塊基于未標(biāo)記樣本和 標(biāo)記樣本之間的空間譜聯(lián)合距離生成高光譜遙感影像中未標(biāo)記樣本和地物類別之間的相似度。同時(shí),該方法將自監(jiān)督方法從二維變換擴(kuò)展到三維變換,充分利用高光譜遙感影像具有三個(gè)維度的特點(diǎn)。通過該文提出的高光譜遙感影像三維自監(jiān)督變換模塊,可以對(duì)高光譜遙感影像進(jìn)行二維旋轉(zhuǎn)變換和基于光譜軸的翻轉(zhuǎn)變換,在三維層面進(jìn)行自監(jiān)督學(xué)習(xí),充分利用每一個(gè)標(biāo)記樣本的監(jiān)督信息。該研究得到國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國家自然科學(xué)基金項(xiàng)目和湖南省教育廳優(yōu)秀青年項(xiàng)目的共同資助,該研究成果能有效減少訓(xùn)練高光譜遙感分類模型所需的樣本數(shù)量,減少遙感應(yīng)用工程中所需的人力物力和時(shí)間投入,對(duì)遙感技術(shù)服務(wù)國家重大戰(zhàn)略和需求的能力產(chǎn)生積極影響。

IEEE TGRS電氣與電子工程師協(xié)會(huì)(Institute of Electrical and Electronics Engineers, IEEE)遙感學(xué)會(huì)(Geoscience and Remote Sensing Society, GRSS)會(huì)刊,已有55年的歷史,是遙感地球科學(xué)領(lǐng)域最頂尖級(jí)的國際期刊之一。該刊物內(nèi)容涵蓋遙感科學(xué)、信息科學(xué)、空間科學(xué)等多個(gè)學(xué)科,集中反映了當(dāng)代遙感與地球科學(xué)的最新進(jìn)展。該刊為中科院SCI一區(qū)TOP期刊,我校認(rèn)定的學(xué)科領(lǐng)域TOP5期刊,2020年影響因子5.855

 

論文鏈接:https://ieeexplore.ieee.org/document/9360315

Jun Yue, Leyuan Fang, Hossein Rahmani and Pedram Ghamisi, "Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3057768。(文/李金蓮  審/孔偉紅)


版權(quán)所有? 長沙理工大學(xué)交通學(xué)院
地址:湖南省長沙市天心區(qū)萬家麗南路二段960號(hào)
郵編:410114電話:0731-85258575