来源：期刊VIP网 时间：
作者：沈超逸;倪欢;
单位：南京信息工程大学遥感与测绘工程学院;
摘要：针对遥感图像语义分割深度学习对大量人工标注的依赖的问题，基于对比学习和自监督学习思想，提出了一种全新的、面向遥感图像语义分割任务的无监督学习框架。该框架仅需已知待分类类别总数，即可以实现模型训练与预测。具体而言，该框架构造了两种特征集合，在不同阶段对特征进行相似度计算，以选取正样本。接着，利用Vision-Transformer的注意力分数按比例传播梯度，以更好地选取重要像元并关注关键区域。最后，将置信度较高的预测像元作为伪标签进行自监督学习，进一步提升精度。实验采用GID和Potsdam数据集验证该方法性能，并与现有无监督语义分割方法对比，证明了该方法的优越性。
关键词：遥感图像;;语义分割;;对比学习;;无监督学习;;自监督优化
基金资助：江苏省研究生科研创新计划(KYCX23＿1376)
