计算机科学与探索

作者：邵徽虎, 葛芸, 熊俊杰, 余洁洁

单位：南昌航空大学 软件学院，南昌 330063

关键词：遥感图像检索,样本类型,Swin Transformer,哈希,自适应判别

遥感图像内容复杂，类别丰富，存在较多难以判别的图像，导致遥感图像检索性能不佳。为此，提出自适应样本类型判别方法（ASTD），将样本类型动态地分为简单样本、普通样本和困难样本，网络依据样本的类型进行不同程度的学习，从而有效提高特征的判别能力。设计了一个SHash网络，该网络以Swin Transformer为骨干，在网络的最后加上哈希层，该网络能够在全局上捕获图像的语义信息，提高特征的表达能力和检索效率；为了让同一类别图像更加聚集，并更好地区分不同类别的图像，给每个类别定义一个哈希中心，规定输入样本自身类别所对应的中心为该样本的正中心，其他中心为该样本的负中心；提出样本类型判别损失STDLoss，根据样本与正负中心的距离关系自适应判别样本的类型，从而提高网络对各类型样本的学习能力。在UC-Merced和AID两个遥感数据集上与DSH、CSQ、SHC等五种哈希方法进行了比较，实验结果表明，基于ASTD方法训练的网络可以更好地学习样本的特征，提高检索性能。

来源：2024年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第11期