基于集成对比学习的高分辨遥感图像搜索模型

摘要

为解决单一对比学习模型只关注图像的局部特征问题，提出一种基于集成对比学习的高分辨率遥感图像搜索模型.首先，采用动量更新无监督视觉表示学习与采样最近邻对比学习模型分别提取遥感图像的局部和全局特征，以学习出更好的遥感图像视觉表征.在此基础上，提出面向高分辨率遥感图像表征的集成对比学习模型，根据其在遥感图像分类任务的表现，对不同的对比学习器自适应地赋予不同的集成权重，通过统计对比学习特征预测准确率，进一步优化对比学习器的学习速度.最后，将集成对比学习模型运用于高分辨遥感图像搜索.在EuroSat、UCmerced、WHU-RS19、PatternNet等公开遥感图像数据集上的实验结果表明，所提出的模型在图像搜索任务中相较传统的对比方法有较稳定的准确率提升.

关键词

对比学习 / 集成学习 / 最近邻对比学习 / 动量更新对比学习 / 遥感图像搜索

基金资助

安徽省教育厅重大重点科学研究项目(2022AH051113); 安徽省重点实验室开放基金资助项目(2022PGE003); 滁州学院科学研究基金重点项目(2022XJZD06)