一种用于多标签遥感图像检索的图论深度表示学习方法
计算机视觉与模式识别
2021-11-09 v1
摘要
本文提出了一种在遥感（RS）图像多标签检索问题框架下的新颖图论深度表示学习方法。该方法旨在提取并利用档案中每幅 RS 图像相关的多标签共现关系。为此，每幅训练图像最初用图结构表示，该结构提供基于区域的图像表示，结合了局部信息及相关的空间组织。与其他基于图的方法不同，所提方法包含一种新颖的学习策略，用于训练深度神经网络以自动预测档案中每幅 RS 图像的图结构。该策略采用区域表示学习损失函数，基于多标签共现关系来刻画图像内容。实验结果表明，与最先进的深度表示学习方法相比，所提方法在 RS 检索问题上的有效性。所提方法的代码公开于 https://git.tu-berlin.de/rsim/GT-DRL-CBIR 。
引用
@article{arxiv.2106.00506,
title = {A Novel Graph-Theoretic Deep Representation Learning Method for Multi-Label Remote Sensing Image Retrieval},
author = {Gencer Sumbul and Begüm Demir},
journal= {arXiv preprint arXiv:2106.00506},
year = {2021}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2021. Our code is available at https://git.tu-berlin.de/rsim/GT-DRL-CBIR