深層学習を用いたリモートセンシング画像の特徴抽出と分類におけるラベルデータ不足の問題を解決するために、非対称予測演算子に基づく簡易なコントラスト学習手法を提案する。まず、入力画像に水平反転、カラージッター、グレースケール処理によるデータ拡張を施し、同一画像の2つの関連ビューを得る。次に、それらを双子ネットワークの2つのブランチにそれぞれ入力し特徴を抽出する。さらに、非対称予測演算子を用いて特徴を変換し、2種類の特徴間の類似度を最大化することでネットワークを最適化する。最後に、特徴抽出ネットワークのパラメータを固定し、線形分類器を訓練して特徴分類を完遂する。4つの公開データセットNWPU-RESISC45、EuroSAT、UC Merced、SIRI-WHUで20%のラベル付きサンプルを用いてファインチューニングを行い、分類精度はそれぞれ77.57%、87.70%、60.52%、65.83%に達した。本論文で提案する方法は、データラベルを使用せずにリモートセンシング画像の高次意味特徴を十分に活用でき、少量のラベル付きサンプルのみを用いても、教師あり手法で得られたImageNet事前学習モデルや最新のコントラスト学習手法SimSiamより性能が優れている。

コントラスト学習;リモートセンシング画像;特徴抽出;特徴分類;非対称予測演算子