44、半监督深度度量图卷积网络与三轴磁传感器误差补偿研究

半监督深度度量图卷积网络与三轴磁传感器误差补偿研究

半监督深度度量图卷积网络

在遥感图像表征领域，半监督深度度量图卷积网络（GCN）展现出了独特的优势。

损失函数定义

• 对比损失 ：对比损失的定义如下：
• (L = \sum_{i,j} l_{ij} | f_i - f_j | 2^2 + (1 - l {ij}) h(m - | f_i - f_j |_2)^2)
• 其中，(h(\cdot)) 表示合页损失，(m) 代表对比损失的边界，(l_{ij}) 表示标签指示函数。
• 交叉熵损失 ：交叉熵损失用于比较预测标签和真实标签之间的差异，并根据概率与期望值之间的距离对概率进行惩罚。其定义为：
• (L = -\frac{1}{N} \sum_{i=1}^{N} \sum_{c=1}^{C} y_{c}^{i} \log(p_{c}^{i}))
• 其中，(p_{c}^{i}) 表示样本 (x_i) 被分类到类别 (c) 的 softmax 概率，计算公式为 (p_{c}^{i} = \frac{\exp(w_{c}^{T} v_i)}{\sum_{j} \exp(w_{j}^{T} v_i)})，(w_c)、(w_j) 表示学习参数，(v_i) 是 (x_i) 的特征。

实验设置

• 数据集 ：使用 AID 数据集，这是一个基于从 Google Earth 图