基于模拟与无监督学习的卫星影像中飞行器域自适应生成
计算机视觉与模式识别
2018-06-11 v1
摘要
飞行器的目标检测与分类是卫星图像分析中最主要的任务。现代检测与分类方法的成功建立在机器学习与深度学习之上。这些学习过程的关键需求之一是用于训练的海量数据。然而，由于目标涉及军事行动与操作，飞行器的数据占比不足。考虑到卫星影像的特性，本文尝试提供一种无需任何额外监督或物理假设的模拟与无监督方法框架。最终，定性与定量分析揭示出其为卫星图像分析的机器学习平台补充不足数据的潜力。
引用
@article{arxiv.1806.03002,
title = {Domain Adaptive Generation of Aircraft on Satellite Imagery via Simulated and Unsupervised Learning},
author = {Junghoon Seo and Seunghyun Jeon and Taegyun Jeon},
journal= {arXiv preprint arXiv:1806.03002},
year = {2018}
}
备注
presented at the International Workshop on Machine Learning for Artificial Intelligence Platforms held in 2017 Asian Conference on Machine Learning (MLAIP@ACML)