近日，我院计算机科学与技术（大数据方向）专业中外合作办学班20级本科生刘瑞仲和21级本科生罗庭彰在遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing 》（中科院一区）发表了题为“CrossMatch: Cross-View Matching for Semi-supervised Remote Sensing Image Segmentation” 的研究论文。该论文指导老师为黄绍广教授和张洪艳教授。
针对目前半监督遥感图像分割任务中存在的类别不平衡和类内差异性过大的问题，该论文提出了一种交叉视图强弱一致性的半监督分割算法，极大地减少了模型的认知偏差、提高了伪标签的质量，在仅有极少有标注的训练样本情况下，该方法仍能保持优异性能。
图1.CrossMatch整体网络架构
首先，现有的基于强弱一致性的半监督图像分割算法，忽视了遥感图像中类别不平衡和类内差异性过大的问题，对于复杂的地物目标，模型易出现错误的预测。针对此问题，通过多视图的推断和视图间交叉相互学习，能有效地缓解模型的认知偏差，并且学习到互补的语义信息，从而极大地提高了伪标签的质量。其次，为了提高视图之间语义信息的丰富度和差异性，提出了一种视图级的对比损失，将视图级的特征作为正负样本，拉开视图间的特征空间距离，最小化视图的特征相似度，使得模型学习到的特征表征更加多样。然后，针对提出的模型提出了一种视图差异约束方法，该约束方法使模型具有稳定的收敛性。对比近两年6种主流半监督分割算法，所提出的半监督遥感图像分割算法在三个常用的遥感图像分割数据集不同比例划分情况下均获得最优的分割精度，尤其是在有标注样本较少的情况下，提升性能显著。
目前，刘瑞仲同学已经被香港科技大学（广州）研究型硕士MPhil项目录取，并得到全奖资助。自2020年项目开办以来，学院始终以培养具有国际视野和竞争力的高层次人才为目标，高度重视中外合作办学项目学生的培养工作。在推动国际化教育和提升中外合作办学项目教育质量方面，学院持续努力，构建了一个高质量的国际化教育平台，培养出的优秀学子在就业、学科竞赛、科研等多方面展现出了卓越的成绩与潜力。
论文信息：Ruizhong Liu, Tingzhang Luo, Shaoguang Huang*, Yuwei Wu, Zhen Jiang, Hongyan Zhang, CrossMatch: Cross-View Matching for Semi-supervised Remote Sensing Image Segmentation, IEEE Transactions on Geoscience and Remote Sensing(TGRS), 2024
论文链接: https://doi.org/10.1109/TGRS.2024.3507050
通讯员： 丁雨薇
图片： 刘瑞仲
审核：陈占龙
校对：卢笙