English(EN) Label-Decoupled Style Augmentation for Domain Generalization in Multi-Label Remote Sensing Scene Classification

新框架提升遥感分类准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-14 12:28

研究人员开发了一种新颖的标签解耦风格增强框架，以提高遥感多标签分类模型的性能。这种新方法将风格扰动限制在特定于标签的区域，防止不同类别之间的污染。在基准数据集上的评估表明，该框架的最佳变体实现了 71.5% 的平均精度，显著优于现有方法，并为现有模型提供了具有成本效益的升级路径。 AI

影响提高了多标签分类模型在遥感等专业领域的泛化能力。

排序理由学术论文，详细介绍了多标签遥感场景分类中域泛化的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Erchan Aptoula · 2026-07-14 12:28

用于多标签遥感场景分类域泛化的标签解耦风格增强

Multi-label classification assigns several co-occurring labels to each aerial scene, yet deployed models often encounter data distributions different from their training. Feature-statistics augmentation such as MixStyle, EFDMix, and correlated style uncertainty improves generaliz…