半教師あり衛星画像分類のためのセマンティック・フュージョンGAN

ほとんどの公的衛星画像データセットは、注釈付き画像がわずかしか含まれていません。このドメインにおけるトレーニングのための十分な量のラベル付きデータの欠如は、現代の深層学習に基づく分類手法の利用におけるボトルネックです。本論文では、この問題に対処するための半教師ありアプローチを提案します。生成的敵対ネットワーク（GAN）の識別器（D）を最終的な分類器として使用し、ラベル付きデータとラベルなしデータの両方を使用してDをトレーニングします。私たちが導入する主な新規性は、Dに供給される視覚情報の表現を、元の画像とその「セマンティック」表現の2つの異なるチャネルによって行うことです。後者は、ImageNetでトレーニングされた外部ネットワークを通じて得られます。2つのチャネルはD内で融合され、フェイク画像、実際のラベル付き画像、実際のラベルなし画像の分類に共同で使用されます。100枚のラベル付き画像のみを使用して、提案されたアプローチは約69%の精度を達成し、他のGANベースの半教師あり手法に比べて顕著な改善を示すことがわかりました。私たちはこのアプローチを衛星画像に対してのみテストしましたが、特定のドメイン知識を使用していません。したがって、私たちの方法は他の半教師ありドメインにも適用可能です。