CACBR

RBMatch框架解决了建筑足迹提取中的类别不平衡问题

研究人员开发了RBMatch，一个旨在改进遥感影像建筑足迹提取半监督学习的新型框架。该方法解决了类别不平衡的重大挑战，即背景通常会主导前景，导致模型训练出现偏差。RBMatch采用双层再平衡策略，同时调节伪标签生成和无监督损失优化，防止模型偏向多数背景类别。在多个数据集上的实验表明，RBMatch在标记数据非常有限的情况下持续优于现有方法，甚至在某些情况下超过了全监督方法。