基于样本增量学习的遥感影像分类

• 全文链接
• 请求原文

作   者：

李雪;  姚光乐;  王洪辉;  李军;  周皓然;  叶绍泽; 

作者机构：

地质灾害防治与地质环境保护国家重点实验室(成都理工大学);  深圳市森歌数据技术有限公司;  成都理工大学计算机与网络安全学院;  江西省自然灾害监测预警与评估重点实验室(江西师范大学); 

关键词：

遥感影像分类;  协同学习;  知识蒸馏;  微调;  增量学习; 

期刊名称：

计算机应用

i s s n：

1001-9081

年卷期：

2024 年 003 期

页   码：

732-736

摘   要：

深度学习模型在遥感影像分类中取得了显著的成绩。随着新的遥感数据不断被采集，基于深度学习的遥感影像分类模型在训练新数据、学习新知识时，对旧数据的识别性能会下降，即旧知识遗忘。为帮助遥感影像分类模型巩固旧知识和学习新知识，提出一种基于样本增量学习的遥感影像分类模型——增量协同学习知识模型（ICLKM）。该模型由两个知识网络组成，第一个网络通过知识蒸馏保留旧模型的输出，缓解知识遗忘问题；第二个网络将新数据的输出作为第一个网络的学习目标，通过维护双网络模型的一致性有效地学习新知识。最后两个网络共同学习，通过知识协同策略生成更精确的模型。在两个遥感数据集NWPU-RESISC45和AID上的实验结果表明，相较于微调训练（FT）方法，ICLKM的准确率分别提升了3.53和6.70个百分点。可见ICLKM能够有效解决遥感影像分类的知识遗忘问题，不断提高对已知遥感影像的识别准确率。