计算机工程

作者：何悦, 陈广胜, 景维鹏, 徐泽堃

单位：东北林业大学 信息与计算机工程学院, 哈尔滨 150040

关键词：深度无监督学习,遥感图像检索,特征提取,哈希学习,伪标签

基金：国家自然科学基金（32171777）；黑龙江省应用技术研究与开发计划项目（GA20A301）。

哈希方法由于低存储、高效率的特性而被广泛应用于遥感图像检索领域。面向遥感图像检索任务的无监督哈希方法存在伪标签不可靠、图像对的训练权重相同以及图像检索精度较低等问题，为此，提出一种基于深度多相似性哈希（DMSH）的遥感图像检索方法。针对优化伪标签和训练关注度分别构建自适应伪标签模块（APLM）和成对结构信息模块（PSIM）。APLM采用K最近邻和核相似度来评估图像间的相似关系，实现伪标签的初始生成和在线校正。PSIM将图像对的多尺度结构相似度映射为训练关注度，为其分配不同的训练权重从而优化深度哈希学习。DMSH通过Swin Transformer骨干网络提取图像的高维特征，将基于语义相似矩阵的伪标签作为监督信息以训练深度网络，同时网络在两个基于不同相似度设计的模块上实现交替优化，充分挖掘图像间的多种相似信息进而生成具有高辨识力的哈希编码，实现遥感图像的高精度检索。实验结果表明，DMSH在EuroSAT和PatternNet数据集上的平均精度均值较对比方法分别提高0.8%~3.0%和9.8%~12.5%，其可以在遥感图像检索任务中取得更高的准确率。

来源：2023年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第2期