面向监督式遥感图像分类的主动学习算法综述
计算机视觉与模式识别
2021-04-19 v1
摘要
定义高效的训练集是遥感图像分类流程成功的最微妙阶段之一。问题的复杂性、有限的时间与财政资源以及高类内方差,若用次优数据集训练可使算法失败。主动学习旨在通过采样迭代提升模型性能来构建高效训练集。用户定义的启发式根据未标记像素类别归属的不确定性函数排序,然后要求用户对最不确定像素提供标签。本文回顾并测试了主动学习算法的主要族:委员会、大间隔和基于后验概率。对每一族,讨论了遥感界最新进展并详述和测试了一些启发式。考虑了若干具挑战的遥感场景,包括甚高空间分辨率和高光谱图像分类。最后,为新的和/或缺乏经验的用户提供了选择良好架构的指南。
引用
@article{arxiv.2104.07784,
title = {A survey of active learning algorithms for supervised remote sensing image classification},
author = {Devis Tuia and Michele Volpi and Loris Copa and Mikhail Kanevski and Jordi Munoz-Mari},
journal= {arXiv preprint arXiv:2104.07784},
year = {2021}
}