近日，中国科学院西安光机地点高光谱数据智能处置惩罚算法与视觉年夜模子运用研究方面取患上主要进展，相干结果发表在《IEEE地球科学与遥感技能杂志》。
与传统光学遥感比拟，高光谱遥感图象具备数百个自力光谱波段，可以或许更切确地辨认地表物资。然而，标注样本稀缺持久以来严峻制约了实在际运用。现有研究多采用少样本进修范式，虽于必然水平上减缓了样本不足的问题，但因为缺少对于跨域光谱信息的一致性约束，加上数据稀缺致使模子范围难以扩大，其跨域泛化能力仍旧受限。
针对于上述问题，研究团队立异性地提出了一种基在视觉年夜模子的高光谱少样天职类框架SpectralDINO。该框架经由过程源域光谱对于齐模块同一各数据域的光谱信息，加强模子进修跨域通用特性能力。
团队同时设计了一种新型低秩顺应（Low-Rank Adaptation, LoRA）模块，并利用瓜代练习计谋对于视觉年夜模子举行微调，经由过程双混淆子空间的设计，解决了原始LoRA没法区别跨域数据的布局性问题。
差别要领于Pavia Universit三木SEO-y数据集上的分类成果。西安光机所供图 ?
试验显示，该要领有用晋升了模子从极少量样本提取特性的泛化能力，提高了模子于高光谱少样天职类使命中的体现，于多个公然数据集上逾越现有进步前辈要领并实现了最好分类正确率，为情况检测、精准农业等遥感到用提供新的技能路径。
相干论文信息:https://ieeexplore.ieee.org/document/11192579
版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请于正文上方注明来历及作者，且不患上对于内容作本色性改动；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。-bevictor伟德官网
