地球观测中深度学习的当前趋势：一个用于图像分类的开源基准竞技场
计算机视觉与模式识别
2023-02-02 v2 人工智能
机器学习
摘要
我们提出 AiTLAS：Benchmark Arena——一个用于评估地球观测（EO）中图像分类最先进深度学习方法的开源基准套件。为此，我们呈现了源自十种不同最先进架构的超过500个模型的综合对比分析，并将它们与来自22个具有不同规模与性质的数据集的多种多类与多标签分类任务进行比较。除完全在这些数据集上训练的模型外，我们还基准化了在迁移学习背景下训练的模型，利用预训练模型变体，正如实践中通常所做的那样。所有提出的方法均为通用方法，可轻松扩展至本研究中未考虑的许多其他遥感图像分类任务。为确保可复现性并促进更好的可用性与进一步发展，所有实验资源（包括训练好的模型、模型配置及数据集处理细节（及其用于训练和评估模型的相应划分））均公开于仓库：https://github.com/biasvariancelabs/aitlas-arena
引用
@article{arxiv.2207.07189,
title = {Current Trends in Deep Learning for Earth Observation: An Open-source Benchmark Arena for Image Classification},
author = {Ivica Dimitrovski and Ivan Kitanovski and Dragi Kocev and Nikola Simidjievski},
journal= {arXiv preprint arXiv:2207.07189},
year = {2023}
}