26年CH数据科学与大数据 标注信息受限下的火星地貌智能解译研究：基于Transformer-CNN协同的半监督学习方法-终稿全-约25636字符.pdf

I 标注信息受限下的火星地貌智能解译研究：基于Transformer-CNN 协同的半监督学习方法 数学与计算机科学学院 数据科学与大数据技术 221309088 林炜明 指导教师 郭艺友 副教授 摘 要 行星探测的快速发展带来了高分辨率影像数据的激增，准确解译其中的地貌与地质信息至关重要。然而，人工标注成本高、效率低，严重制约了数据应用。尽管深度学习在地球遥感上成效显著，但其依赖大量标注的特点难以适用于标注稀少的地外天体数据。因此，在有限标注下发展高效、稳健的半监督学习方法，已成为行星遥感智能分析的紧迫课题。 针对火星影像地貌分类任务，本研究采用...