（通讯员 牛芃洋）西安电子科技大学协同智能系统教育部重点实验室李豪副教授、牛芃洋博士在IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)上发表题为“Robust Self-Paced Incremental Learning for Multitemporal Remote Sensing Image Classification”的学术论文，针对多时遥感图像分类任务中灾难性遗忘带来的挑战，提出了一种鲁棒的自步增量学习方法，有效的缓解了灾难性遗忘。

近年来，对多时相遥感图像进行少量标记分类的方法引起了人们的广泛关注。它通常面临三个问题:领域增量、类增量和类消失。本文提出了一种鲁棒自定进度增量学习方法来缓解上述问题。首先，使用变化检测将源图像的标签转移到目标图像，形成一个组合训练集。然后考虑加权分类损失和蒸馏损失，以保证分类性能和最小遗忘。特别地，提出了一种新的熵抑制损失来抑制消失类的分类能力。这些损失与自定节奏学习相结合，通过引入权变量来衡量训练样本的“难易程度”，由于变化检测生成的组合训练集包含有噪声样本和离群值，因此能够从易到难自动获得准确的决策边界。最后，设计了最接近平均特征向量分类器和基于样本权重的样本集管理策略，以减轻灾难性遗忘。实验采用了来自四个地区的24个多时相遥感图像集。分类结果表明，该方法能够减轻灾难性遗忘，并在多时相图像数据集上取得了显著的改进。

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，最新影响因子为7.5，目前是中科院一区、Top期刊。

论文链接：https://ieeexplore.ieee.org/document/10689451