遥感场景类别的语义词向量与图像特征原型的距离结构不一致问题,严重影响遥感场景零样本分类效果。针对该问题,利用不同词向量间一致性,提出一种基于解析字典学习的语义词向量融合方法,以提升遥感场景零样本分类效果。首先,采用解析字典学习方法,提取场景类别的不同词向量的公共稀疏系数,并作为融合后的语义词向量;然后,同样采用解析字典学习方法,将场景类别的图像特征原型嵌入到融合后的词向量空间,与融合后的词向量进行结构对齐,降低距离结构的不一致性;最后,通过联合优化获得未知类的图像特征空间类别原型表示,并采用最近邻分类器完成未知类别遥感场景的分类。在3种遥感场景数据集和多种语义词向量上进行定量和定性实验。实验结果表明,通过词向量融合可以获得与图像特征原型结构更一致的语义词向量,从而显著提升遥感场景零样本分类的准确度。
类型: 期刊论文
作者: 吴晨,于光,张凤晶,刘宇,袁昱纬,全吉成
关键词: 遥感,场景分类,零样本分类,结构对齐,词向量融合,解析字典学习
来源: 光学学报 2019年08期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 海军航空大学,空军航空大学,91977部队
基金: 国家自然科学基金(61301233)
分类号: TP751
页码: 360-371
总页数: 12
文件大小: 2314K
下载量: 151
本文来源: https://www.lunwen90.cn/article/6630b49b4d925c966e0f5ff8.html