本研究提出了一种名为ClassWise-CRF的类别特定融合架构，旨在提升遥感影像的语义分割精度。该架构通过选择表现优异的专家网络进行分类预测融合，并动态调整权重，验证了其在两个遥感数据集上的有效性。

本文讨论了大语言模型（如ChatGPT）与传统预训练模型的区别，强调大模型因其庞大的参数和数据量，能够处理多任务并具备推理能力。同时介绍了神经网络的基本原理，包括神经元、权重和激活函数的作用，以及如何通过调整权重来优化模型的学习和识别能力。

本文提出了一个基于自监督学习策略的标签生成模块，通过联合训练多模态和单模态任务来学习一致性和差异，并采用权重调整策略来平衡不同子任务的学习进度。实验证明，该模块生成的单模态监督标签可靠性和稳定性优于现有最先进方法和人工注释的单模态标签。