التقاطع البصري للصور الفضائية يلعب دوراً هاما في تصنيف واستخدامات تغطية الأرض والتخطيط الحضري واكتشاف التغييرات. كوسيلة متعمقة محتملة للتعلم غير المراقب ، قامت تكنولوجيا التكيف مع المجال بدفع تطور التقاطع البصري للصور الفضائية بشكل كبير. على الرغم من ذلك ، يعتمد النموذج الحالي بناءً على مهمة واحدة للتعلم ، وليست السمات المقطعة المتعلمة كافية ، مما يؤدي إلى صعوبة التعرف الدقيق على المناطق المعقدة في الصور الفضائية خلال عملية القطع. من أجل حل هذه المشكلة ، قدم هذا البحث شبكة قطع البصرية للصور الفضائية التكيفية متعددة المهام (MTLDANet) ، حيث ترتقي هذه الشبكة بقدرة تعلم السمات المقطعة عن طريق محاولة التعلم التعاوني للمعلومات البصرية للصور الفضائية والمعلومات الارتفاعية. على وجه التحديد ، يدخل هذا الأسلوب السمات الدلالية الخاصة بمهمة والسمات الارتفاعية إلى وحدة تعلم السمات المشتركة عبر مهام ، لاستكشاف الصلات الكامنة بين المهام ، وبالتالي الحصول على تمثيل سمات مهمة أقوى. من خلال وحدة التعلم المتسق المختلط التي توجهها العلامات الزائفة ، يتم تحسين جودة العلامات الزائفة ، مما يحقق التوافق المجالي الشامل. بالإضافة إلى ذلك ، يعزز التوافق على مستوى فئة الذراع الشمعية التمييز للفئات الصعبة التصنيف. قام هذا البحث بأربع أزواج من التجارب على تقاطع تصوير 2D و US3D بيانات ISPRS. تظهر النتائج أن الأسلوب المقترح يتفوق بشكل ملحوظ على الطرق التكيفية المجالية الحالية في مجموعة متنوعة من سيناريوهات التحويل العابر للمجال.

قطع البصرية ; التكيف المجالي غير المراقب ; صور الفضاء ; تعلم متعددالمهام ; معلومات الارتفاع ; معلومات الدلالة ; العلامات الزائفة ; الشموع