Key points are not available for this paper at this time.
تصنيف مشاهد الصور عالية الدقة المكانية (HSR) والذي يتضمن تسمية صورة HSR بفئة دلالية محددة وفقًا للخصائص الجغرافية، قد تلقى اهتمامًا متزايدًا، وتم اقتراح العديد من الخوارزميات لهذه المهمة. كان استخدام نموذج الموضوع الاحتمالي لاكتساب الموضوعات الكامنة والشبكات العصبية الالتفافية (CNNs) لالتقاط الميزات العميقة لتمثيل الصور عالية الدقة المكانية من الطرق الفعالة لسد الفجوة الدلالية. ومع ذلك، فإن ميزات الموضوعات المتوسطة المستوى عادة ما تكون محلية وذات أهمية، بينما تنقل الميزات العميقة عالية المستوى معلومات أكثر شمولاً وتفصيلاً. في هذه الورقة، لاكتشاف دلالات أكثر تمييزًا لصور HSR، يُقترح إطار نمذجة دلالية عميقة ونادرة تكيفي (ADSSM) يجمع بين الموضوعات النادرة والميزات العميقة لتصنيف مشاهد صور HSR. في ADSSM، يتم دمج نموذج الموضوع النادر بالكامل وCNN. لاستغلال الدلالات متعددة المستويات لمشاهد HSR، يتم دمج ميزات الموضوعات النادرة والميزات العميقة بشكل فعال على المستوى الدلالي. استنادًا إلى الفرق بين ميزات الموضوعات النادرة والميزات العميقة، تم اقتراح استراتيجية تطبيع ميزة تكيفية لتحسين دمج الميزات المختلفة. تؤكد النتائج التجريبية التي تم الحصول عليها مع أربعة مجموعات بيانات لتصنيف صور HSR أن الطريقة المقترحة تحسن الأداء بشكل كبير عند مقارنتها بالطرق الأخرى الرائدة.
درس زو وآخرون (Mon،) هذا السؤال.