Sintesi Tecnica: SupCon-Mamba per il Rilevamento di Target Iperspettrali Few-Shot

1. Definizione del Problema

Il rilevamento di target iperspettrali (HTD) mira a identificare e localizzare target specifici all'interno di background complessi utilizzando informazioni spettrali pregresse. Sebbene l'imaging iperspettrale offra un'elevata risoluzione spettrale per l'identificazione dei materiali, l'HTD affronta due sfide critiche nelle applicazioni pratiche:

1. Scarsità di Dati Etichettati: Acquisire campioni etichettati è difficile ed costoso, portando a uno scenario "few-shot" in cui i modelli addestrati con deep learning completamente supervisionato soffrono spesso di una scarsa capacità di generalizzazione.
2. Limitazioni dell'Apprendimento Contrastivo Esistente: Gli attuali metodi di HTD few-shot si affidano spesso all'apprendimento contrastivo non supervisionato. Questi metodi costruiscono coppie positive dalle aumentazioni spettrali di singoli pixel e trattano tutti gli altri pixel in un batch come campioni negativi. Questo approccio spesso etichetta erroneamente come negativi pixel della stessa categoria (falsi negativi), distorcendo lo spazio delle caratteristiche e sfumando il confine tra target e background.
3. Inefficienza di Modellazione: Le tradizionali CNN faticano a modellare le dipendenze globali in lunghe sequenze spettrali, mentre i Transformer soffrono di una complessità computazionale quadratica all'aumentare della lunghezza della sequenza, rendendoli inefficienti nel modellare simultaneamente caratteristiche spettrali locali fini e globali multi-scala.

2. Metodologia: SupCon-Mamba

Gli autori propongono SupCon-Mamba, un framework che integra un'architettura Pyramid Mamba con l'Apprendimento Contrastivo Supervisionato (SupCon) per affrontare i problemi sopra menzionati. Il flusso di lavoro consiste in una fase di addestramento e una fase di inferenza.

2.1 Codifica del Vicinato Spettrale e Aumento dei Dati

Per mitigare la scarsità di dati etichettati e sopprimere il rumore spettrale, il metodo impiega un meccanismo di codifica del contesto locale:

• Codifica del Vicinato: Per un pixel centrale, viene estratta una finestra spaziale ($w \times w$). La similarità del coseno viene calcolata tra lo spettro del pixel centrale e i suoi vicini. Queste similarità sono normalizzate tramite Softmax per generare coefficienti di ponderazione, utilizzati per creare una somma pesata degli spettri dei vicini. Ciò produce un "vettore codificato dal vicinato" che completa il vettore spettrale del pixel centrale.
• Aumento del Rumore Gaussiano: Per prevenire l'overfitting negli scenari few-shot, viene aggiunto rumore gaussiano sia al vettore centrale che al vettore codificato. I vettori aumentati vengono tagliati nell'intervallo $[0, 1]$ e concatenati per formare l'input del modello.

2.2 Rete di Estrazione delle Caratteristiche Pyramid Mamba

Il backbone principale è una rete encoder-decoder Pyramid Mamba progettata per catturare dipendenze spettrali multi-scala con complessità computazionale lineare:

• Convoluzione Spettrale Gruppata: Prima della modellazione della sequenza, viene applicata una convoluzione 1D raggruppata allo spettro di input per modellare esplicitamente le correlazioni spettrali locali tra bande adiacenti.
• Struttura Piramidale: La rete utilizza un ramo di downsampling top-down e un ramo di upsampling bottom-up.
  • Downsampling: La sequenza spettrale subisce 4 livelli di downsampling progressivo. Ad ogni livello, le caratteristiche vengono elaborate attraverso una convoluzione depthwise e il Modello di Spazio di Stato Selettivo (SSM) (Mamba). Ciò consente al modello di catturare dipendenze che vanno dai dettagli locali fini ai profili spettrali globali con complessità lineare.
  • Upsampling e Fusione: Le caratteristiche vengono progressivamente riportate alla risoluzione originale (upsampling) e fuse con le corrispondenti uscite SSM del percorso di downsampling tramite connessioni residue cross-scale.
  • Fusione Gated: Un meccanismo di gating filtra e fonde adattivamente le caratteristiche multi-scala prima dell'output finale.

2.3 Apprendimento Contrastivo Supervisionato (SupCon)

A differenza dei metodi non supervisionati, SupCon-Mamba utilizza le informazioni di etichetta disponibili (target vs background) per definire le coppie di campioni:

• Coppie Positive: I campioni appartenenti alla stessa classe (ad esempio, target-target o background-background) sono trattati come coppie positive.
• Coppie Negative: I campioni di classi diverse sono trattati come coppie negative.
• Funzione di Perdita: Il modello è ottimizzato utilizzando la perdita SupCon, che massimizza la similarità delle coppie positive e minimizza la similarità delle coppie negative nello spazio delle caratteristiche. Questo elimina fondamentalmente il problema dei falsi negativi inerente all'apprendimento contrastivo non supervisionato, promuovendo l'aggregazione intra-classe e la separazione inter-classe.

3. Contributi Chiave

Il documento evidenzia tre innovazioni primarie:

1. Costruzione di Campioni Positivi di Alta Qualità: Viene proposta una strategia che combina la codifica del contesto locale (tramite similarità del coseno) e l'aumento del rumore gaussiano. Questa strategia sopprime il rumore del singolo pixel, fornisce campioni positivi sufficienti per l'apprendimento supervisionato e migliora la robustezza contro le fluttuazioni spettrali.
2. Architettura Pyramid Mamba: È stata progettata una rete encoder-decoder per modellare lunghe sequenze spettrali con complessità lineare. Essa cattura efficacemente sia le caratteristiche spettrali locali fini che i profili spettrali globali attraverso il downsampling e l'upsampling multi-scala.
3. Ottimizzazione Contrastiva Supervisionata: Integrando la perdita SupCon, il metodo sfrutta le limitate informazioni di etichetta per eliminare i falsi negativi, migliorando significativamente la discriminabilità delle caratteristiche e la generalizzazione negli scenari few-shot.

4. Risultati Sperimentali

Il metodo è stato valutato su quattro dataset pubblici (Sandiego I, Sandiego II, Los Angeles I, Los Angeles II) e un dataset auto-costruito basato a terra. La configurazione di addestramento ha utilizzato solo 10 coppie di campioni etichettati (10 pixel target e 10 pixel di background).

• Metriche di Prestazione: Il metodo proposto ha raggiunto un AUC medio di 0,9984 attraverso i dataset.
• Analisi Comparativa:
  • Risultati Visivi: Rispetto ai metodi tradizionali (CEM, OSP, ACE) e ai baseline di deep learning (DSC, CTTD, UEML, TSTTD), SupCon-Mamba ha dimostrato una superiore evidenziazione del target e soppressione del background. Ha rilevato con successo target a basso contrasto con quasi zero falsi allarmi nelle regioni non ombreggiate.
  • Risultati Quantitativi: Il metodo ha ottenuto l'AUC ($P_{fd}$) più elevato su tutti e cinque i dataset. Mentre alcuni competitor hanno mostrato tassi di falsi allarmi ($P_f$) inferiori in specifici dataset, spesso hanno subito mancate rilevazioni ($P_d$). SupCon-Mamba ha mantenuto un equilibrio superiore tra capacità di rilevamento e soppressione del background.
• Studi di Ablazione:
  • Livelli Piramidali: Le prestazioni hanno raggiunto il picco con 4 livelli piramidali; meno livelli mancavano di capacità di modellazione, mentre più livelli portavano a overfitting e problemi di gradiente.
  • Dimensione della Finestra: Una finestra di codifica $9 \times 9$ è stata identificata come ottimale per i dataset pubblici, bilanciando fusione del contesto e interferenza del background.
  • Funzione di Perdita: La perdita SupCon ha superato Cross-Entropy, SimCLR e InfoNCE, confermando la necessità dell'apprendimento contrastivo supervisionato per l'HTD few-shot.

5. Significato e Rivendicazioni

Il documento afferma che SupCon-Mamba fornisce una soluzione efficiente e pratica per il rilevamento di target iperspettrali few-shot. Affrontando il problema dei falsi negativi nell'apprendimento contrastivo e l'inefficienza computazionale della modellazione di lunghe sequenze spettrali, il metodo raggiunge prestazioni allo stato dell'arte con un numero estremamente limitato di dati etichettati. Gli autori dichiarano che questo approccio offre una soluzione tecnica robusta per l'estrazione di informazioni in scenari di telerilevamento complessi, come il monitoraggio militare o ambientale, dove i dati etichettati sono scarsi. Il metodo dimostra che è possibile ottenere un'elevata accuratezza di rilevamento anche con soli 10 campioni di coppia etichettati, superando significativamente gli approcci mainstream esistenti.