遥感图像通道数据增强的物理信息一致性估计

使用数据增强方法进行深度学习在监督、半监督和自我监督图像分类等方面发挥着重要作用。本文针对遥感图像分类任务中通道变换方法的应用存在的争议，提出了一种估算通道变换方法是否影响遥感图像物理信息的方法。实验结果表明，通道变换方法的得分超过原始像素特征的预期偏差时，不能改善基线模型的性能。

本研究将图像学习的数据增强技术应用于WiFi CSI，探究其对模型推广能力的影响。实验结果显示特定数据增强技术组合可以提高跨场景和跨系统的推广能力。

WiFi CSI 一致性 图像学习 实验结果 数据增强技术 模型推广能力