论文
少镜头遥感场景分类的局部一致传导信息最大化
Locally Consistent Transductive Information Maximization for Few-Shot Remote Sensing Scene Classification
摘要
遥感场景分类越来越依赖于大规模地球观测数据预训练的基础模型。此外，传导推理利用整个未标记查询集的集体统计结构，似乎自然地匹配遥感管道，其中大图像通常被分割成补丁并作为批次进行推断。在这项工作中，我们引入了 LC-TIM（局部一致传导信息最大化），它通过局部一致性正则化器扩展了最先进的少样本 CLIP（TIM++）目标的传导信息最大化，该正则化器强制每个查询样本与其 $κ$ 最近的特征空间邻居之间的预测一致。正则化器在封闭形式 $q$-update 中作为单个乘法因子输入，增加的计算开销可以忽略不计。我们进一步提出了一种多源扩展，融合了多个遥感基础模型的亲和图，进一步提高了分类准确性。为了评估这些方法，我们建立了第一个全面的开源基准，用于传导性少样本 RS 场景分类，跨十个不同的数据集、两个遥感视觉语言模型以及各种少样本设置评估 LP++、TransCLIP、TIM++ 和 LC-TIM。我们的实验表明，转导方法始终优于零样本基线，并且 LC-TIM 实现了最先进的精度，在邻域线索信息最丰富的低样本区域中获得最大增益。代码公开于：https://github.com/elkhouryk/LC-TIM