一种基于对抗学习的仿真遥感图像生成方法OA
A simulated remote sensing image generation method based on adversarial learning
遥感图像数据标注耗时、成本高且需要专家知识,使得有标签的遥感数据难于获得,因此亟需生成有标签遥感数据的有效方法.由计算机视觉领域用于风格迁移的循环一致生成对抗网络出发,提出了一种基于深度学习,利用循环一致生成对抗网络生成新数据集的仿真遥感图像转换方法.将源数据与生成数据视为源域与目标域,遥感图像转换可视为仿真遥感数据集的风格迁移.生成的数据集可进一步用于分类、语义分割和域适应等适用于遥感图像的常见任务.实验结果表明该方法可有效生成风格迁移的仿真遥感数据.
马征;褚钧正;武鹏飞
中国人民解放军 91245 部队,北京 100000南开大学统计与数据科学学院,天津 300071北京仿真中心航天系统仿真重点实验室,北京 100854
信息技术与安全科学
仿真遥感风格迁移循环一致生成对抗网络域适应
《计算机工程与科学》 2023 (3)
多层级域适应高光谱遥感图像分类
489-494,6
国家自然科学基金(62001252)国防科技重点实验室基金(61420020401)
评论