Few-Shot リモートセンシング画像シーン分類のためのDual Contrastive Network
arXiv cs.CV / 2026/3/25
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ラベル付きデータが限られており、かつリモートセンシング特有の性質によりクラス間の差が小さくクラス内のばらつきが大きい状況での few-shot リモートセンシング画像シーン分類に取り組む。
- 転移に基づく Dual Contrastive Network（DCN）を提案し、2つの教師ありコントラスト学習ブランチを用いる：クラス間識別性を高めるための context-guided（CCL）と、クラス内不変性を向上させるための detail-guided（DCL）である。
- CCL では、Condenser Network を導入して文脈（コンテキスト）特徴を抽出し、その特徴に対して教師ありコントラスト学習を適用することで、より識別力の高い表現を学習する。
- DCL では、Smelter Network を導入して重要な局所的詳細を強調し、詳細特徴マップに対して教師ありコントラスト学習を行うことで、空間情報の活用をより適切にし、不変な詳細に焦点を当てる。
- 4つの公開リモートセンシングベンチマークデータセットでの実験により、提案する DCN アプローチが競争力のある結果を示すことが確認される。
