澳门大阳城app

“十四五”规划专题 防控专题 保定校区 English

高光谱图像跨场景分类

来源:发布时间:2021-08-31

【讲座题目】高光谱图像跨场景分类

【讲座时间】2021年9月2日下午15:00

【讲座地点】线上进行 Tencent会议ID:895 257 758

【主讲人】李伟,教授,博士生导师,北京理工大学信息与电子学院,入选北京市科技新星计划。

【主讲人概况】

李伟,北京理工大学信息与电子学院教授,博士生导师,入选北京市科技新星计划。主要从事高光谱图像处理、目标检测与识别等方法研究,以第一/通讯编辑在IEEE TGRS、IEEE TIP、IEEE TCYB等期刊发表论文80余篇,GOOGLE学术引用7500余次,入选爱思唯尔2020年中国高被引学者。担任期刊IEEE Transactions on Geoscience and Remote Sensing编委和《中国图象图形学报》青年编委。获IEEE TGRS、IEEE JSTARS最佳审稿人奖,和IEEE Whispers 2019、IEEE ICSIDP 2019杰出论文奖。

【报告内容概况】

跨场景分类是目前高光谱图像对地观测的主要挑战之一,即考验模型在不同场景下的迁移能力。本次报告关注在跨域分类过程中存在的域间光谱反射率偏移问题,以传统的领域自适应方法和基于图卷积网络的迁移学习方法为例,就如何有效的减小因季节天气等原因造成的光谱偏移进行探讨。针对传统领域自适应方法中域间共享子空间假设不成立的问题,提出了一种判别协同对齐(DCA)领域自适应方法,设计两个子空间投影,并进行子空间与数据分布的协同对齐,进一步改善了单一对齐方式的不足,增强算法适应性。此外,针对基于卷积神经网络(CNN)的跨域方法缺乏对地物间拓扑结构信息使用的问题,提出了一种拓扑结构与语义信息迁移网络(TSTnet),将图卷积网络引入高光谱图像跨场景分类中,提高模型的空间感知能力,并设计了深度语义特征动态构图的方式,实现更准确的特征嵌入和图的构建。

返回
XML 地图 | Sitemap 地图