Cross-View-Prediction: Exploring Contrastive Feature for Hyperspectral Image Classification

要約

本稿では、ハイパースペクトル画像分類のための自己教師付き特徴学習法を紹介する。本手法は、交差表現学習法によって生のハイパースペクトル画像から2つの異なるビューを構築しようとするものである。そして対照学習法により、作成されたビューに対して意味的に一貫した表現を学習する。具体的には、ハイパースペクトルデータの高次元の特徴をビュー構築に利用するために、4つのクロスチャネル予測に基づく補強手法が自然に設計される。そして、異なるビュー間の相互情報を最大化し、条件付きエントロピーを最小化することで、より優れた代表的特徴を対照ネットワークから学習する。この’Cross-View-Predicton’スタイルは簡単で、単純なSVM分類器による教師なし分類の最先端の性能を得ることができる。

要約(オリジナル)

This paper presents a self-supervised feature learning method for hyperspectral image classification. Our method tries to construct two different views of the raw hyperspectral image through a cross-representation learning method. And then to learn semantically consistent representation over the created views by contrastive learning method. Specifically, four cross-channel-prediction based augmentation methods are naturally designed to utilize the high dimension characteristic of hyperspectral data for the view construction. And the better representative features are learned by maximizing mutual information and minimizing conditional entropy across different views from our contrastive network. This ‘Cross-View-Predicton’ style is straightforward and gets the state-of-the-art performance of unsupervised classification with a simple SVM classifier.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL