data.rar

本文提出了一种新的用于开放集土地覆盖分类的分类网络，利用嵌入式特征分析。该网络集成了二阶特征注意力和高斯混合模型 （GMM） 聚类，以保持已知类别的高准确率并准确识别未知类别。首先将样本从原始图像空间映射到嵌入的特征空间。然后，计算二阶特征以推导出空间和光谱注意力权重，从而优化特征表示。接下来，应用 GMM 将嵌入的特征聚类到相似的组中。对于每个聚类，使用独立的多任务学习框架来获取重建误差和分类精度。最后，评估所有集群的结果，以选择识别未知类别的最佳集群。与其他开放集识别方法的比较实验表明，当聚类数设置为 3 时，我们的方法在 IN 数据集上优于 RDOSR 方法43.45%，在 PU 数据集上优于 RDOSR 方法8.53%，在 PC 数据集上优于 RDOSR 方法。这些结果表明，我们提出的方法优于 RDOSR 等现有方法。