ハイパースペクトルリモートセンシング画像の無監督分類のためのクラスごとの分布適応

この論文では、ハイパースペクトルリモートセンシング画像の分類のためのクラスごとの敵対的適応ネットワークを調査しています。特徴抽出器と複数のドメイン識別器の間での敵対的学習により、ドメイン不変特徴が生成されます。さらに、優れた特徴整列性能を達成するために、敵対的適応ネットワークに確率予測に基づく最大平均差（MMD）法が導入されます。クラスごとの敵対的適応は、クラスごとの確率MMDと併せてクラスごとの分布適応（CDA）ネットワークと呼ばれます。提案されたCDAは、ターゲットドメインのラベル付き情報を必要とせず、ターゲット画像の無監督分類を達成することができます。Hyperionおよび航空機搭載可視/赤外線イメージングスペクトロメーター（AVIRIS）ハイパースペクトルデータを使用した実験結果は、その効率を示しました.