这篇文章介绍了子空间的概念,然后将query set的特征和预测概率与Support set的特征混合到一起来减少遥感场景图像背景复杂的影响。我觉得主要的创新点还是在特征混合这一块,下图是总体框架图:

特征混合的公式为:

其中的表示第C个类别中第i个样本预测正确的概率,
表示query set中第i个样本在网络中编码的特征。具体的过程如下图:

计算相似距离的时候没太懂

之后还有一个创新点在类内和类间相似性上,使类间距离加大,类内距离缩小。这是通过损失函数来实现的。这块的两个损失也没看太懂。




![Error “[object Object]“ when using LangChain‘s AzureChatOpenAI in Node.js](https://i-blog.csdnimg.cn/direct/1155ce8b26a14acba1e1e9ec9ba628e2.png)

















