IEEE Transactions on Geoscience and Remote Sensing（TGRS）是遙感與地球科學(xué)領(lǐng)域國(guó)際頂級(jí)期刊，重點(diǎn)收錄應(yīng)用于陸地、海洋、大氣和空間傳感科學(xué)與工程理論、概念和技術(shù)，以及信息的處理、解釋和傳播等創(chuàng)新研究成果。

課題組林俊彥一篇關(guān)于海表溫度預(yù)測(cè)的研究工作被遙感領(lǐng)域頂級(jí)期刊 IEEE TGRS 錄用并發(fā)表。

論文題目：SS-MAE: Spatial-Spectral Masked Auto-Encoder for Multi-Source Remote Sensing Image Classification

作者：Junyan Lin, Feng Gao, Xiaocheng Shi, Junyu Dong, Qian Du

MIM是一種非常流行且有效的圖像理解自監(jiān)督學(xué)習(xí)方法?，F(xiàn)有的基于MIM方法多側(cè)重于空間特征建模，而忽略了光譜特征建模。同時(shí)，現(xiàn)有的基于MIM的方法使用Transformer進(jìn)行特征提取，可能會(huì)丟失一些局部或高頻信息。為此，我們提出了一種用于HSI和LiDAR/SAR數(shù)據(jù)聯(lián)合分類(lèi)的空間光譜掩碼自編碼器(SS-MAE)。具體來(lái)說(shuō)，SS-MAE包括一個(gè)空間分支和一個(gè)頻譜分支?？臻g方向分支掩膜隨機(jī)斑塊，重建缺失像素。光譜方向分支隨機(jī)掩膜光譜通道，重建缺失通道。我們的SS-MAE充分利用了輸入數(shù)據(jù)的空間和光譜表示。此外，為了補(bǔ)充訓(xùn)練階段的局部特征，我們添加了兩個(gè)輕量級(jí)CNN進(jìn)行特征提取。在三個(gè)多源數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了SS-MAE性能優(yōu)異。

源代碼：https://github.com/summitgao/SS-MAE

論文鏈接：https://readpaper.com/paper/2041953097022248192