近日，张永军教授团队在计算机科学领域国际顶级学术期刊《Knowledge-Based Systems》（IF=8.8,中科院一区TOP期刊，JCR一区）上发表题为《Multi-dimensional manifolds consistency regularization for semi-supervised remote sensing semantic segmentation》的研究论文。这是云鼎国际4118登录独立完成并作为唯一通讯单位在KBS上发表论文，第一作者为我校2022级研究生卢玉杰同学，通讯作者为张永军老师。

《Knowledge-Based Systems》是计算机科学领域的世界顶级期刊之一，在计算机科学领域具有很高影响力，主要发表人工智能、大数据等领域高质量研究成果。

半监督遥感语义分割是一种利用有限标注数据和大量未标注数据进行遥感图像分类的方法。通过结合监督学习和无监督学习技术，这种方法能够显著提升模型在高分辨率遥感图像上的识别精度。半监督遥感语义分割不仅有效减轻了对大量人工标注数据的依赖，还能够在资源受限的情况下实现更高效的土地利用、灾害监测和环境保护等应用。

【算法简介】

在半监督遥感语义分割领域，基于FixMatch的方法均在单维流形上操作，限制了模型的鲁棒性和泛化能力。本文受到了流行假设的启发，通过将多维流行扰动应用于输入图像和提取的特征，增强了模型的鲁棒性以及在低维和高维流形上的通用性，应用流形假设扩展半监督遥感语义分割中的样本库。这显著提高了模型的学习能力，并产生了更好的结果。实验表明，我们的算法在ISPRS Vaihingen数据集，ISPRS Potsdam数据集, 和道路分割数据集DeepGlobe Roads与Massachusetts Roads上均优于现有最好的方法。