卫星影像中的可发现性：一句好句胜千图

小型卫星星座提供对地球陆地的每日全球覆盖，但图像增强依赖于自动化关键任务，如变化检测或特征搜索。例如，从原始像素提取文本标注需要两个依赖的机器学习模型，一个用于分析俯视图像，另一个用于生成描述性标题。我们在先前最大的卫星图像标题基准上评估了七个模型。我们将标注图像样本扩充五倍，随后对词汇进行增强、修正和剪枝，以接近一种粗略的 min-max（最少词、最大描述）。该结果优于先前使用大型预训练图像模型的工作，但模型规模缩减百倍且不牺牲整体精度（以 log entropy loss 衡量）。这些较小模型提供了新的部署机会，尤其在推至边缘处理器、星载卫星或分布式地面站时。为量化标题的描述性，我们引入一种新颖的多类混淆或误差矩阵，以对人工标注的测试数据和从未标注但含边界框检测、缺完整句子标题的图像进行评分。本工作提出了未来的标题生成策略，特别是能丰富超出土地利用应用的类别覆盖，并减少以颜色为中心和邻接形容词（"green"、"near"、"between" 等）的策略。许多现代语言 transformer 提出了新颖且可利用的模型，其从庞大在线语料库训练中获得世界知识。一个有趣但简单的例子可能学习风与浪之间的词关联，从而用超越仅颜色描述（否则可能无需文本标注而从原始像素获取）的内容丰富海滩场景。