研究目的
提高高光谱图像分类中领域自适应方法对源域标签噪声的鲁棒性。
研究成果
该方法通过结合子空间对齐与低秩表示分类器,有效应对高光谱图像分类中的域偏移和标签噪声问题,展现出相较于基线方法更强的鲁棒性与优越性能。
研究不足
该方法依赖于子空间能有效对齐的假设;在噪声比例极高或训练样本不足时,性能可能会下降。它未利用深度学习特征,而这类特征本可进一步提升结果。
研究目的
提高高光谱图像分类中领域自适应方法对源域标签噪声的鲁棒性。
研究成果
该方法通过结合子空间对齐与低秩表示分类器,有效应对高光谱图像分类中的域偏移和标签噪声问题,展现出相较于基线方法更强的鲁棒性与优越性能。
研究不足
该方法依赖于子空间能有效对齐的假设;在噪声比例极高或训练样本不足时,性能可能会下降。它未利用深度学习特征,而这类特征本可进一步提升结果。
加载中....
您正在对论文“具有噪声标签的鲁棒高光谱图像域自适应”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期