Domänenübergreifende Few-Shot-Hyperspektralbildklassifizierung mit frequenzbewusster Augmentation

Die domänenübergreifende Few-Shot-Hyperspektralbildklassifizierung bleibt aufgrund begrenzter beschrifteter Proben und Domänenverschiebungen zwischen Quell- und Ziel-Domänen eine Herausforderung. In diesem Papier wird ein frequenzbewusster Augmentationsrahmen für das domänenübergreifende Few-Shot-Lernen (FAA-CDFSL) vorgeschlagen, um die Domänengeneralisierung durch Frequenzwahrnehmung zu verbessern. Eine frequenzbewusste Rekonstruktionsstrategie wird eingeführt, um erweiterte Aufgaben zu generieren, indem hochfrequente Komponenten manipuliert werden, während ein gegenseitiges Aufmerksamkeitsmodul die Interaktion zwischen Frequenzen erleichtert und übertragbare niedere Frequenzsemantiken betont. Umfassende Experimente an drei Benchmark-Hyperspektral-Datensätzen zeigen, dass unsere Methode eine überlegene Leistung und Stabilität unter 1–5 Shot-Einstellungen erreicht und kontinuierlich besser abschneidet als die neuesten domänenübergreifenden Few-Shot-Methoden. Diese Ergebnisse bestätigen, dass frequenzbewusste Augmentation einen effektiven Weg bietet, um Robustheit und Anpassungsfähigkeit in der Hyperspektralbildklassifizierung zu verbessern.