（通讯员黎健钊）西安电子科技大学协同智能系统教育部重点实验室黎健钊博士、公茂果教授在IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)上发表题为“Multiform Ensemble Self-Supervised Learning for Few-Shot Remote Sensing Scene Classification”的学术论文，为自监督遥感场景分类任务提供了多形式集成优化的解决方案。

在基于迁移学习的小样本分类方案的基础上，我们设计了一种自监督全局-局部对比学习辅助任务来解决场景分类中低类间可分性问题。在局部对比特征中融合了自注意机制，以研究不同遥感场景目标之间的内在关联。我们还提出了一种多形式集成增强训练方法，通过级联多种形式的自监督辅助任务的组合去训练的不同骨干网络。多形式集成增强不仅可以被视为知识蒸馏的一种更直接的替代方案，而且可以在昂贵的计算成本和分类精度之间实现有效的折衷。此外，我们提供了直推式和归纳式推导的两种场景分类方案，以解决遥感数据采集和标注的困难。

IEEE TGRS是地球科学和遥感领域的顶级期刊之一，是IEEE地球科学与遥感技术协会（GRSS）汇刊，在遥感技术和地球科学领域具有较高影响力，2022年最新影响因子为8.125，目前是中科院一区、Top期刊。

论文链接：https://doi.org/10.1109/TGRS.2023.3234252