ハイパースペクトルリモートセンシング画像分類において、ラベル付きのソースドメインの学習データとラベルなしターゲットドメインのデータ分布が一致しない問題に対して、部分最適輸送に基づく教師なしドメイン適応手法を提案し、異なるデータ分布にあるハイパースペクトルリモートセンシングの地物ピクセル単位分類を実現する。深層畳み込みニューラルネットワークを用いてサンプルを潜在高次元空間に写像し、部分最適輸送理論に基づくサンプル輸送計画を構築してドメイン間の分布差異を最小化し、適応モデルを構築する。クラス認識サンプリング技術と品質スコア因子の適応調整戦略を採用し、ドメイン間のクラス整合を促進し、グローバルな最適輸送を構築する。2つの公開ハイパースペクトルリモートセンシング画像データセットで実験を行い、全体分類精度OA（%）、クラス平均分類精度AA（%）、分類一致性検証Kappa（×100）の3つの評価指標でピクセル分類結果を定量比較した。実験結果は、2つの転移タスクにおいて、ソースドメインのデータのみを用いたベースラインモデルと比較して全体分類精度がそれぞれ2.21％および2.75％向上し、元の最適輸送戦略と比較して1.71％および2.01％向上し、モデルがハイパースペクトルリモートセンシング画像中のピクセル単位の地物分類精度を効果的に向上させることを示している。

コンピュータビジョン; ニューラルネットワーク; ドメイン適応; 最適輸送; ハイパースペクトル画像