最近の衛星およびイメージング技術の進歩により、多くのリモートセンシング(RS)画像が収集されました。本研究では、未ラベルデータを効果的に活用することとデータ不一致による性能低下への対処が重要であり、これらの課題に取り組んでいます。研究者はUDA(unsupervised domain adaptation)の使用を提案し、このアプローチはソースドメインからラベル付きデータを利用してネットワークをトレーニングし、ターゲットドメインからラベルなしデータに対して予測を行うことを含みます。しかし、異なる地理的位置や季節変動などから生じるRS画像間の差異が挑戦であり、これらの要因は領域間で不均一性をもたらします。提案された手法は、新しいDDF(Dual-Domain Image Fusion)モジュールとPRW(Pseudo-Label Region-Specific Weight)戦略を活用しています。これらの手法は実験と検証を通じて効果が証明されています。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Lingyan Ran,... at arxiv.org 03-06-2024
https://arxiv.org/pdf/2403.02784.pdfDeeper Inquiries