ITER：用于弱监督高光谱图像分类的图像到像素表征

基于摘要分析。该研究针对高光谱图像（HSI）分类依赖精细像素级标注、标注成本高的问题，提出 Image-To-pixEl Representation（ITER），利用图像级标签生成像素级分类图。其核心贡献是将伪标签生成与像素级预测连接为两阶段流程，缩小图像级监督与稠密预测之间的差距。 第一阶段生成伪标签：通过光谱/空间激活定位各类别的判别区域，通过光谱—空间对齐损失优化多域类激活图（CAM）的协同训练，再通过地理要素增强细化标签。第二阶段进行像素级预测，在增强型 transformer 中引入高频感知自注意力，以获得更细致的特征表征。摘要未提供损失公式、伪标签筛选规则及具体训练配置，这些实现细节尚未验证。 作者报告在三个基准数据集上与 SOTA 方法进行了广泛比较，但摘要未列出数据集名称、划分方式、指标或具体数值，因而无法核对性能增益及其适用条件。各模块的消融、统计信息和复现资源尚未验证。作者将图像级标注用于 HSI 像素级分类的工作定位为首次尝试，这一优先性声明尚未独立核实。 平台推测（待验证）：其弱标签定位、伪标签细化再到稠密预测的流程，可作为仅有试次级标签、但希望定位 EEG 时间片段的一个方法假设，而非已验证的 BCI 贡献。该对应依赖弱标签确实包含可局部定位的信息；HSI 的地理结构、像素邻接和光谱—空间关系不能直接等同于 EEG 的通道—时间结构，需要改造激活图、对齐约束及标签细化模块。低信噪比、跨被试差异、通道布局变化及小数据可能放大伪标签误差，高频增强也可能突出伪迹。若开展初步检验，可在含片段标注的 EEG 数据上仅用试次级标签训练，对照不含伪标签细化的同一基线，以保留的片段标注评估定位质量；已有相关 EEG 工作尚未检索确认。