摘要
本文提出了一种结合主动学习（Active Learning, AL）的宽视野上下文残差网络（Wide Contextual Residual Network, WCRN），用于遥感图像（Remote Sensing Image, RSI）分类。尽管残差网络（ResNet）在诸多应用领域（如RSI分类）中取得了显著成果，但其性能受限于对大量标注样本的依赖。在实际应用中，获取类别标签往往成本高昂且难度极大。为此，本文将所提出的WCRN与主动学习相结合，通过选择最具信息量的训练样本，提升模型的泛化能力。具体而言，首先设计了一种适用于RSI分类的宽视野上下文残差网络；随后将其与主动学习机制集成，以在有限标注样本条件下实现良好的机器泛化性能。在帕维亚大学（University of Pavia）和弗莱沃兰（Flevoland）数据集上的实验结果表明，所提出的WCRN结合主动学习的方法能够显著降低对训练样本数量的需求。