کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

طبقه‌بندی تصاویر ابرطیفی با یادگیری خودنظارتی مبتنی بر نمای ماسک‌شده

نویسندگان :

محمدحسین سلیمی¹ محمدصادق هل فروش² حبیب الله دانیالی³

1- دانشگاه صنعتی شیراز 2- دانشگاه صنعتی شیراز 3- دانشگاه صنعتی شیراز

کلمات کلیدی :

تصاویر فراطیفی،طبقه‌بندی،شبکه‌های ترانسفورمر بینایی،یادگیری عمیق

چکیده :

در این پژوهش، چارچوبی نوین برای طبقه‌بندی تصاویر ابرطیفی مبتنی بر یادگیری خودنظارتی ارائه شده است. ابتدا با استفاده از مدل از پیش آموزش‌دیده‌ی SpectralFormer ویژگی‌های طیفی-مکانی استخراج شده و سپس با ساختاری مشابه DINO و بهره‌گیری از نمای جامع و نسخه‌های ماسک‌گذاری‌شده‌ی تصاویر، نمایش‌های مقاومی بدون نیاز به داده‌های برچسب‌خورده یاد گرفته می‌شود. پس از آن، یک پرسپترون چندلایه ساده برای طبقه‌بندی روی این نمایش‌ها آموزش داده می‌شود. نتایج روی پایگاه داده Pavia University نشان داد که روش پیشنهادی در حالت بدون ماسک، به دقت کلی ٪84، دقت میانگین ٪87 و ضریب کاپای 79/0 دست یافته و حتی با اعمال ماسک تا ٪30 نیز عملکرد قابل‌قبولی حفظ کرده است. این یافته‌ها گواهی بر کارایی و پایداری روش در تحلیل تصاویر ابرطیفی بدون برچسب هستند.