arXiv cs.AI· Meihua Zhou, Liping Yu, Xinyu Tong, Wai Kin Fung, Ruiguo Hu, Jiarui Zhao, Nan Wan·· 11 小时前AI 评分20
SpectralTrain：面向高光谱图像分类的通用训练框架
SpectralTrain: A Universal Framework for Hyperspectral Image Classification
AI 导读
SpectralTrain 是一个与架构无关的通用训练框架，通过将课程学习与基于 PCA 的光谱降采样结合，提升高光谱图像分类的训练效率。在 Indian Pines、Salinas-A 和新提出的 CloudPatch-7 三个基准数据集上，训练时间缩短 2-7 倍，精度仅有小幅至中等变化，具体取决于骨干网络。框架不依赖特定架构、优化器或损失函数，兼容经典与 SOTA 模型，代码已开源。
正文 · AI 翻译
摘要：高光谱图像（HSI）分类通常涉及大规模数据和计算密集型训练，这限制了深度学习模型在真实遥感任务中的实际部署。本研究提出了 SpectralTrain，一个通用、与架构无关的训练框架，它通过将课程学习（CL）与基于主成分分析（PCA）的光谱降采样相结合来提升学习效率。通过在保留关键信息的同时逐步引入光谱复杂度，SpectralTrain 能够以显著降低的计算成本高效学习光谱—空间模式。该框架独立于特定架构、优化器或损失函数，并兼容经典模型与最先进（SOTA）模型。在三个基准数据集——Indian Pines、Salinas-A 以及新引入的 CloudPatch-7——上的大量实验表明，该框架在空间尺度、光谱特性和应用领域上均具有强泛化能力。结果表明，训练时间可稳定减少 2-7 倍加速，准确率仅有小幅至中等程度的差异（取决于骨干网络）。其在云分类上的应用进一步揭示了在气候相关遥感中的潜力，强调了训练策略优化可作为 HSI 模型架构设计的有效补充。代码可在 this https URL 获取。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2511.16084 [cs.CV] |
| （或 arXiv:2511.16084v4 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2511.16084 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Meihua Zhou [查看邮箱]
[v1]
2025年11月20日 星期四 06:19:26 UTC（5,580 KB）
[v2]
2026年5月13日 星期三 07:10:51 UTC（1,593 KB）
[v3]
2026年5月29日 星期五 08:48:21 UTC（1,593 KB）
[v4]
2026年10月20日 星期二 11:27:41 UTC（5,483 KB）
来源：arXiv cs.AI · arxiv.org