Resumo Técnico: SupCon-Mamba para Detecção de Alvos Hiperespectrais com Poucos Exemplos (Few-Shot)

1. Definição do Problema

A detecção de alvos hiperespectrais (HTD) visa identificar e localizar alvos específicos dentro de fundos complexos utilizando informações espectrais prévias. Embora a imagem hiperespectral ofereça alta resolução espectral para identificação de materiais, a HTD enfrenta dois desafios críticos em aplicações práticas:

1. Escassez de Dados Rotulados: Adquirir amostras rotuladas é difícil e caro, levando a um cenário de "poucos exemplos" (few-shot), onde modelos treinados com aprendizado profundo totalmente supervisionado frequentemente sofrem de baixa generalização.
2. Limitações do Aprendizado Contrastivo Existente: Os métodos atuais de HTD de poucos exemplos frequentemente dependem de aprendizado contrastivo não supervisionado. Esses métodos constroem pares positivos a partir de aumentos espectrais de pixels únicos e tratam todos os outros pixels em um lote como amostras negativas. Essa abordagem frequentemente rotula incorretamente pixels da mesma categoria como negativos (falsos negativos), distorcendo o espaço de características e obscurecendo a fronteira entre alvos e fundos.
3. Ineficiência de Modelagem: As CNNs tradicionais têm dificuldade em modelar dependências globais em sequências espectrais longas, enquanto os Transformers sofrem com a complexidade computacional quadrática à medida que o comprimento da sequência aumenta, tornando-os ineficientes para modelar simultaneamente características espectrais locais finas e globais de múltiplas escalas.

2. Metodologia: SupCon-Mamba

Os autores propõem o SupCon-Mamba, um framework que integra uma arquitetura Pyramid Mamba com Aprendizado Contrastivo Supervisionado (SupCon) para abordar os problemas mencionados. O fluxo de trabalho consiste em uma fase de treinamento e uma fase de inferência.

2.1 Codificação de Vizinhança Espectral e Aumento de Dados

Para mitigar a escassez de dados rotulados e suprimir o ruído espectral, o método emprega um mecanismo de codificação de contexto local:

• Codificação de Vizinhança: Para um pixel central, uma janela espacial ($w \times w$) é extraída. A similaridade de cosseno é calculada entre o espectro do pixel central e seus vizinhos. Essas similaridades são normalizadas via Softmax para gerar coeficientes de ponderação, que são usados para criar uma soma ponderada dos espectros vizinhos. Isso produz um "vetor codificado de vizinhança" que complementa o vetor espectral do pixel central.
• Aumento por Ruído Gaussiano: Para evitar o sobreajuste (overfitting) em cenários de poucos exemplos, o ruído gaussiano é adicionado tanto ao vetor central quanto ao vetor codificado. Os vetores aumentados são limitados à faixa $[0, 1]$ e concatenados para formar a entrada do modelo.

2.2 Rede de Extração de Características Pyramid Mamba

O backbone principal é uma rede encoder-decoder Pyramid Mamba projetada para capturar dependências espectrais de múltiplas escalas com complexidade computacional linear:

• Convolução Agrupada Espectral: Antes da modelagem de sequência, uma convolução agrupada 1D é aplicada ao espectro de entrada para modelar explicitamente as correlações espectrais locais entre bandas adjacentes.
• Estrutura de Pirâmide: A rede utiliza um ramo de subamostragem (downsampling) descendente e um ramo de superamostragem (upsampling) ascendente.
  • Subamostragem (Downsampling): A sequência espectral passa por 4 níveis de subamostragem progressiva. Em cada nível, as características são processadas através de convolução depthwise e o Modelo de Espaço de Estados Seletivo (SSM) (Mamba). Isso permite que o modelo capture dependências desde detalhes locais finos até contornos espectrais globais com complexidade linear.
  • Superamostragem e Fusão (Upsampling & Fusion): As características são progressivamente superamostradas e fundidas com as saídas SSM correspondentes do caminho de subamostragem via conexões residuais de escala cruzada.
  • Fusão por Portão (Gated Fusion): Um mecanismo de portão filtra e funde adaptativamente as características de múltiplas escalas antes da saída final.

2.3 Aprendizado Contrastivo Supervisionado (SupCon)

Ao contrário dos métodos não supervisionados, o SupCon-Mamba utiliza a informação de rótulo disponível (alvo vs. fundo) para definir pares de amostras:

• Pares Positivos: Amostras pertencentes à mesma classe (ex: alvo-alvo ou fundo-fundo) são tratadas como pares positivos.
• Pares Negativos: Amostras de classes diferentes são tratadas como pares negativos.
• Função de Perda: O modelo é otimizado usando a perda SupCon, que maximiza a similaridade de pares positivos e minimiza a similaridade de pares negativos no espaço de características. Isso elimina fundamentalmente o problema dos falsos negativos inerente ao aprendizado contrastivo não supervisionado, promovendo a agregação intra-classe e a separação inter-classe.

3. Principais Contribuições

O artigo destaca três inovações primárias:

1. Construção de Alta Qualidade de Amostras Positivas: Uma estratégia combinando codificação de contexto local (via similaridade de cosseno) e aumento por ruído gaussiano é proposta. Isso suprime o ruído de pixel único, fornece amostras positivas suficientes para o aprendizado supervisionado e aumenta a robustez contra flutuações espectrais.
2. Arquitetura Pyramid Mamba: Uma rede encoder-decoder é projetada para modelar longas sequências espectrais com complexidade linear. Ela captura efetivamente tanto características espectrais locais finas quanto perfis espectrais globais através de subamostragem e superamostragem de múltiplas escalas.
3. Otimização Contrastiva Supervisionada: Ao integrar a perda SupCon, o método aproveita a informação limitada de rótulos para eliminar falsos negativos, melhorando significativamente a discriminabilidade das características e a generalização em cenários de poucos exemplos.

4. Resultados Experimentais

O método foi avaliado em quatro conjuntos de dados públicos (Sandiego I, Sandiego II, Los Angeles I, Los Angeles II) e um conjunto de dados próprio baseado em solo. A configuração de treinamento utilizou apenas 10 pares de amostras rotuladas (10 pixels de alvo e 10 pixels de fundo).

• Métricas de Desempenho: O método proposto alcançou uma AUC média de 0,9984 nos conjuntos de dados.
• Análise Comparativa:
  • Resultados Visuais: Comparado aos métodos tradicionais (CEM, OSP, ACE) e baselines de aprendizado profundo (DSC, CTTD, UEML, TSTTD), o SupCon-Mamba demonstrou destaque superior de alvos e supressão de fundo. Ele detectou com sucesso alvos de baixo contraste com quase zero alarmes falsos em regiões sem sombras.
  • Resultados Quantitativos: O método alcançou a maior AUC ($P_{fd}$) em todos os cinco conjuntos de dados. Embora alguns competidores tenham mostrado taxas de alarmes falsos ($P_f$) mais baixas em conjuntos de dados específicos, eles frequentemente sofreram com detecções perdidas ($P_d$). O SupCon-Mamba manteve um equilíbrio superior entre capacidade de detecção e supressão de fundo.
• Estudos de Ablação:
  • Camadas de Pirâmide: O desempenho atingiu o pico com 4 camadas de pirâmide; menos camadas careciam de capacidade de modelagem, enquanto mais camadas levavam a overfitting e problemas de gradiente.
  • Tamanho da Janela: Uma janela de codificação de $9 \times 9$ foi identificada como ideal para os conjuntos de dados públicos, equilibrando fusão de contexto e interferência de fundo.
  • Função de Perda: A perda SupCon superou Cross-Entropy, SimCLR e InfoNCE, confirmando a necessidade do aprendizado contrastivo supervisionado para HTD de poucos exemplos.

5. Significância e Alegações

O artigo afirma que o SupCon-Mamba fornece uma solução eficiente e prática para a detecção de alvos hiperespectrais de poucos exemplos. Ao abordar o problema dos falsos negativos no aprendizado contrastivo e a ineficiência computacional da modelagem de sequências espectrais longas, o método alcança o estado da arte com dados rotulados extremamente limitados. Os autores afirmam que esta abordagem oferece uma solução técnica robusta para a mineração de informações em cenários complexos de sensoriamento remoto, como reconhecimento militar e monitoramento ambiental, onde os dados rotulados são escassos. O método demonstra que uma alta precisão de detecção é alcançável mesmo com apenas 10 pares de amostras rotuladas, superando significativamente as abordagens mainstream existentes.