遥感图像分类与目标检测鲁棒性的综合研究：综述与基准评测
计算机视觉与模式识别
2023-09-18 v2
摘要
深度神经网络（DNNs）在遥感（RS）影像解译中已得到广泛应用。然而，已有工作表明 DNNs 易受不同类型噪声的干扰，尤其是对抗噪声。令人惊讶的是，目前仍缺乏关于 RS 任务鲁棒性的综合研究，这促使我们对 RS 中图像分类和目标检测的鲁棒性进行详尽的综述与基准评测。据我们所知，本研究首次对 RS 任务中的自然鲁棒性与对抗鲁棒性进行了全面考察。具体而言，我们整理并公开了包含自然噪声与对抗噪声的数据集。这些数据集可作为评估基于 DNNs 模型鲁棒性的宝贵资源。为全面评估模型鲁棒性，我们使用众多不同的分类器和检测器开展了精细实验，涵盖了广泛的主流方法。通过严格评测，我们揭示了富有洞见且有趣的发现，阐明了对抗噪声构造与模型训练之间的关系，增进了对各类模型脆弱性与局限性的理解，并为开发更具韧性与鲁棒性的模型提供指导。
引用
@article{arxiv.2306.12111,
title = {A Comprehensive Study on the Robustness of Image Classification and Object Detection in Remote Sensing: Surveying and Benchmarking},
author = {Shaohui Mei and Jiawei Lian and Xiaofei Wang and Yuru Su and Mingyang Ma and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2306.12111},
year = {2023}
}