심층 학습을 사용하여 원격 감지 영상의 특징 추출 및 분류 시 라벨 데이터 부족 문제를 해결하기 위해 비대칭 예측 연산자를 기반으로 한 간단한 대조 학습 방법을 제안한다. 먼저 입력 이미지에 대해 수평 뒤집기, 색상 흔들림, 그레이스케일 방식을 사용하여 데이터 증강을 수행하여 동일 이미지의 두 개의 관련 뷰를 얻는다. 이후 이를 각각 쌍둥이 네트워크의 두 분기에 입력하여 특징을 추출한다. 그리고 비대칭 예측 연산자를 사용해 특징을 변환하고, 두 가지 특징 사이의 유사도를 최대화하여 네트워크를 최적화한다. 마지막으로 특징 추출 네트워크의 파라미터를 고정하고, 선형 분류기를 학습시켜 특징 분류를 완료한다. NWPU-RESISC45, EuroSAT, UC Merced, SIRI-WHU의 네 개 공개 데이터셋에서 20%의 라벨 샘플을 사용해 미세 조정을 수행했으며, 분류 정확도는 각각 77.57%, 87.70%, 60.52%, 65.83%에 달했다. 본 논문에서 제안한 방법은 데이터 라벨을 사용하지 않고 원격 감지 영상 내 고수준 의미 특징을 충분히 발굴할 수 있으며, 적은 라벨 샘플만 사용해도 지도 학습 기반 ImageNet 사전 학습 모델과 최신 대조 학습 방법 SimSiam보다 성능이 우수하다.

대조 학습;원격 감지 영상;특징 추출;특징 분류;비대칭 예측 연산자