近日，我院黄可坤院长以第一作者在遥感图像处理领域的国际权威期刊《IEEE Transactions on  Geoscience and Remote Sensing》（中科院一区，影响因子：8.2）正式发表了一篇论文“Hyperspectral Image Classification via Cross-Domain Few-Shot Learning With Kernel Triplet Loss”。针对高光谱遥感图像分类中的小样本问题，论文提出了一个新的跨域小样本学习框架，利用已知足够多标签的数据集作为源域，在目标域上仅仅利用少数几个带标签的样本，就可以对未知类别的样本进行较高精度的分类。而且，本文还提出了一个新的核三元组损失，以刻画高光谱图像的样本之间复杂的非线性关系。实验结果表明，与其他最新方法相比，在小样本的情况下，该方法对高光谱遥感图像具有更高的分类准确度。

图1 (a)传统的小样本学习中的度量和(b)本文提出的核三元组度量方法

所发表的论文信息：

[1] Ke-Kun Huang et al. Hyperspectral Image Classification via Cross-Domain Few-Shot Learning With Kernel Triplet Loss. IEEE Transactions on Geoscience and Remote Sensing, vol. 61, pp. 1-18, 2023. （中科院一区，影响因子：8.2）