[发明专利]基于内省学习的遥感图像分类方法

摘要

本发明公开了一种基于内省学习的遥感图像分类方法，用于解决现有遥感图像分类方法实用性差的技术问题。技术方案是针对遥感图像数据集较小、类别易混淆等特点进行设计，通过生成不同类别的负样本来提高模型的分类效果和抗干扰性。本发明利用自省的方式，不断生成训练使用的负样本，提高了网络模型的分类精度和抗干扰能力，解决了遥感图像复杂多样但是数据集较小的问题，有效提升了网络模型的可用性，实用性好。

主权项

1.一种基于内省学习的遥感图像分类方法，其特征在于包括以下步骤：/n假定x表示输入图像，y为其对应的类别标签，p(y＝k|x)表示图像x是类别k的概率，训练网络的损失函数即/n /n其中，S_i是训练使用的数据集合，W是网络模型的参数，通过梯度下降法不断迭代更新，即/n /n其中，α是一常数；/n使用上一分类阶段的模型求出标签y对应的图像x分布，即求p(x|y＝k)，该求解过程即生成图片x，使得x在分类阶段的损失最小，生成的图片x共同构成集合X_i，这一过程是通过固定网络参数W，对输入数据进行训练完成的，损失函数即/n /n初始X₀设为服从高斯分布的噪声，通过一次内省阶段X_i会更新为X_i+1，然后将X_i+1作为负样本并入分类阶段使用的数据集合S_i+1，即/nS_i+1＝S_i∪X_i+1#(4)/n两个阶段不断交替进行，直至模型分类精度收敛。/n