💻 computer science

SupCon-Mamba: A Supervised Contrastive Learning Method for Few-Shot Hyperspectral Target Detection

本文提出了一种名为 SupCon-Mamba 的少样本高光谱目标检测框架，该框架集成了一个局部上下文编码机制、一个用于高效多尺度光谱建模的金字塔 Mamba 模块，以及一种旨在消除假阴性并以极少标注样本实现卓越检测性能的有监督对比学习方法。

原作者： Xingxin Song, Bing Zhou, Jiale Zhao, Lei Deng, Jiaju Ying

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Xingxin Song, Bing Zhou, Jiale Zhao, Lei Deng, Jiaju Ying

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名保安，正试图在一座巨大且繁忙的机场中寻找一种特定的飞机。你手里有一张“通缉令”（目标光谱），上面画着这种飞机的样子。然而，你只有两张关于这架飞机的照片可以研究：一张是飞机本身的，另一张是它旁边的地面。这就是“少样本”（few-shot）问题：你必须在几乎没有训练数据的情况下学习如何找到这架飞机。

这篇论文介绍了一种名为 SupCon-Mamba 的新系统，旨在利用高光谱图像（它们能看到数百种颜色，而不只是红、绿、蓝）来解决这一艰巨任务。以下是该系统的运作方式，通过简单的概念进行拆解：

1. 问题所在：“假阴性”错误

以往的方法试图通过向计算机展示一张飞机的图片并说：“这是目标”，然后展示图像中的其他所有部分并说：“这些都不是目标”来教导计算机。

缺陷： 在一个拥挤的机场里，背景中可能存在其他看起来与你的目标非常相似的飞机。如果计算机认为“那架其他的飞机是‘非目标’”，它就会产生困惑。它会开始认为目标看起来就像背景。论文将此称为**“假阴性”（false negative）**问题。这就像一位老师告诉学生，一张金毛寻回犬的照片是“不是狗”，仅仅因为那不是他“特定”的那只狗。

2. 解决方案：三部分组成的超级工具

作者构建了一个包含三个主要技巧的系统来修复这个问题：

技巧 A：“上下文线索”侦探（局部上下文编码）

系统不再孤立地观察单个像素（单个色彩点），而是观察该像素及其相邻的像素（例如周围 9x9 的网格）。

类比： 想象你在人群中识别一个人。如果你只看他的鼻子，很难识别。但如果你既看他的鼻子，又看站在他旁边的人，就会容易得多。
魔力： 系统将目标像素与其邻居混合，以创建一个“更丰富的”描述。它还在此混合中加入了一点点“静态”（高斯噪声），就像给照片加了一层薄雾。这迫使系统学习飞机的本质特征，而不是死记硬背精确的像素值，从而防止过拟合（即死记硬背训练数据而非学习概念）。

技巧 B：“变焦镜头”大脑（金字塔 Mamba）

高光谱数据是一长串颜色列表（数百个波段）。传统的 AI 模型（如 Transformer）在处理这些长列表时会遇到困难，因为它们计算量巨大且速度慢，就像试图通过逐个字母地阅读来读完一整本书。

类比： 将 Mamba 模块想象成一个特殊的变焦镜头。
- 它不仅观察细节（飞机机翼的纹理）。
- 它也不仅仅观察大局（飞机的整体形状）。
- 它使用“金字塔”结构同时在多个尺度上观察数据。它通过缩小视野来观察全局形状，并通过放大视野来观察精细的光谱细节，同时运行速度极快（线性复杂度）。
为什么重要： 它能够同时捕捉“大局观”和“细节文本”，且不会感到疲劳或变慢。

技巧 C：“严格的老师”（监督对比学习）

这是解决“假阴性”问题最重要的修复手段。

旧方法： “这是目标。其他所有东西都是背景。”（当其他目标看起来像背景时，就会出错）。
新方法 (SupCon)： 系统利用它仅有的少量标签来表达：“所有看起来像目标的像素都属于组 A。所有看起来像地面的像素都属于组 B。”
结果： 它将所有“目标”像素在心理地图中拉近在一起，并将所有“背景”像素推远。即使背景中还有其他飞机，系统也知道它们属于“组 A”（或类似的组），因此不会把它们误认为是地面。它从根本上阻止了系统犯下“假阴性”错误。

3. 结果：高效的杰作

研究人员在五个不同的数据集（四个公开数据集和一个他们自建的数据集）上测试了这个系统。

训练： 他们仅使用了 10 对标记像素（10 个目标像素和 10 个背景像素）来教导系统。
得分： 该系统的平均得分（AUC）达到了 0.9984。在检测领域，这几乎是完美的。
对比： 它击败了他们测试的所有其他方法，包括旧的统计方法和较新的深度学习模型。它能清晰地发现目标，且不会被阴影或复杂的背景所迷惑。

总结

SupCon-Mamba 是一种聪明且高效的方式，用于在拥有极少训练数据的情况下，在复杂图像中寻找特定物体。

它观察像素的邻域以获得更好的上下文。
它使用**多尺度“变焦镜头”（Mamba）**来快速且彻底地理解数据。
它使用**“严格的老师”（SupCon）**来确保它将相似的事物归为一类，并且不会被“长得像的东西”所迷惑。

论文声称，这为标签数据稀缺的军事侦察和环境监测提供了一个高效的解决方案，能够在极少人工输入的情况下实现精确检测。

技术摘要：用于少样本高光谱目标检测的 SupCon-Mamba

1. 问题陈述

高光谱目标检测（HTD）旨在利用先验光谱信息，在复杂背景中识别并定位特定目标。虽然高光谱图像提供了用于材料鉴定的高光谱分辨率，但 HTD 在实际应用中面临两个关键挑战：

标注数据稀缺： 获取标注样本既困难又昂贵，导致在“少样本”场景下，使用全监督深度学习训练的模型往往泛化能力较差。
现有对比学习的局限性： 当前的少样本 HTD 方法通常依赖于无监督对比学习。这些方法通过单个像素的光谱增强来构建正样本对，并将批次中的所有其他像素视为负样本。这种方法经常将同类像素误标为负样本（假负例），从而扭曲特征空间并模糊目标与背景之间的边界。
建模效率低下： 传统的 CNN 在处理长光谱序列的全局依赖关系时表现不佳，而 Transformer 随着序列长度的增加，其计算复杂度呈二次方增长，这使得它们无法同时高效地建模精细的局部和多尺度的全局光谱特征。

2. 方法论：SupCon-Mamba

作者提出了 SupCon-Mamba，这是一个集成了金字塔 Mamba 架构与监督对比学习（SupCon）的框架，旨在解决上述问题。该工作流由训练阶段和推理阶段组成。

2.1 光谱邻域编码与数据增强

为了缓解标注数据稀缺并抑制光谱噪声，该方法采用了局部上下文编码机制：

邻域编码： 对于中心像素，提取一个空间窗口（ $w \times w$ ）。计算中心像素光谱与其相邻像素之间的余弦相似度。通过 Softmax 对这些相似度进行归一化，生成权重系数，并利用这些系数生成邻域光谱的加权和。由此产生的“邻域编码向量”与中心像素的光谱向量相辅相成。
高斯噪声增强： 为了防止在少样本场景下的过拟合，在中心向量和编码向量中均加入高斯噪声。增强后的向量被裁剪至 $[0, 1]$ 范围，并进行拼接以形成模型输入。

2.2 金字塔 Mamba 特征提取网络

核心骨干是一个编码器-解码器结构的 金字塔 Mamba 网络，旨在以线性计算复杂度捕捉多尺度光谱依赖关系：

光谱分组卷积： 在序列建模之前，对输入光谱进行 1D 分组卷积，以显式建模相邻波段之间的局部光谱相关性。
金字塔结构： 该网络利用一个自顶向下的下采样分支和一个自底向上的上采样分支。
- 下采样： 光谱序列经历 4 层渐进式下采样。在每一层，特征通过深度卷积和选择性状态空间模型（SSM）（Mamba）进行处理。这使得模型能够以线性复杂度捕捉从细粒度局部细节到全局光谱轮廓的依赖关系。
- 上采样与融合： 特征被逐步上采样，并通过跨尺度残差连接与下采样路径中对应的 SSM 输出进行融合。
- 门控融合： 在最终输出前，通过门控机制自适应地过滤并融合多尺度特征。

2.3 监督对比学习 (SupCon)

与无监督方法不同，SupCon-Mamba 利用可用的标签信息（目标 vs. 背景）来定义样本对：

正样本对： 属于同一类别的样本（例如，目标-目标或背景-背景）被视为正样本对。
负样本对： 来自不同类别的样本被视为负样本对。
损失函数： 模型使用 SupCon 损失进行优化，该损失函数最大化正样本对在特征空间中的相似度，并最小化负样本对的相似度。这从根本上消除了无监督对比学习中固有的假负例问题，促进了类内聚合和类间分离。

3. 核心贡献

本文强调了三个主要创新点：

高质量正样本构建： 提出了一种结合局部上下文编码（通过余弦相似度）和高斯噪声增强的策略。该策略抑制了单像素噪声，为监督学习提供了充足的正样本，并增强了对光谱波动的鲁棒性。
金字塔 Mamba 架构： 设计了一个能够以线性复杂度建模长光谱序列的编码器-解码器网络。它通过多尺度下采样和上采样，有效地捕捉了精细的局部光谱特征和全局光谱轮廓。
监督对比优化： 通过集成 SupCon 损失，该方法利用有限的标签信息消除了假负例，显著提高了特征的可区分性和泛化能力。

4. 实验结果

该方法在四个公开数据集（Sandiego I, Sandiego II, Los Angeles I, Los Angeles II）和一个自建地面数据集上进行了评估。训练设置仅使用了 10 对标注样本（10 个目标像素和 10 个背景像素）。

性能指标： 该方法在各数据集上的平均 AUC 达到 0.9984。
对比分析：
- 可视化结果： 与传统方法（CEM, OSP, ACE）和深度学习基准方法（DSC, CTTD, UEML, TSTTD）相比，SupCon-Mamba 展示了更优越的目标突出显示和背景抑制能力。它成功检测到了低对比度目标，且在非阴影区域几乎实现了零虚警。
- 定量结果： 该方法在所有五个数据集上均获得了最高的 AUC ( $P_{fd}$ )。虽然某些竞争方法在特定数据集上表现出较低的虚警率 ( $P_f$ )，但往往伴随着漏检问题 ( $P_d$ )。SupCon-Mamba 在检测能力和背景抑制之间保持了卓越的平衡。
消融研究：
- 金字塔层数： 性能在 4 层金字塔时达到顶峰；层数过少会导致建模能力不足，而层数过多则会导致过拟合和梯度问题。
- 窗口大小： 研究发现 $9 \times 9$ 的编码窗口对于公开数据集是最优的，平衡了上下文融合与背景干扰。
- 损失函数： SupCon 损失的表现优于 Cross-Entropy、SimCLR 和 InfoNCE，证实了监督对比学习对于少样本 HTD 的必要性。

5. 意义与主张

本文声称 SupCon-Mamba 为少样本高光谱目标检测提供了一种高效且实用的解决方案。通过解决对比学习中的假负例问题以及建模长光谱序列时的计算效率问题，该方法在极度有限的标注数据下实现了最先进的性能。作者指出，这种方法为军事侦察、环境监测等标注数据匮乏的复杂遥感场景中的信息挖掘，提供了稳健的技术方案。该方法证明，即使仅使用 10 对标注样本，也能实现极高的检测精度，显著优于现有的主流方法。