EarthNets：赋能地球观测中的人工智能
计算机视觉与模式识别
2024-04-04 v3
摘要
地球观测（EO）旨在利用遥感数据监测地球行星的状态，对改善我们的日常生活与居住环境至关重要。随着轨道上卫星数量的增长，越来越多具有多样传感器与研究领域的公开数据集被发布，以促进遥感界的研究。本文对超过 500 个公开数据集进行了全面综述，涵盖农业、土地利用与土地覆盖、灾害监测、场景理解、视觉-语言模型、基础模型、气候变化与天气预报等领域。我们从数据量、分辨率分布、研究领域以及数据集间相关性四个方面系统分析这些 EO 数据集。基于数据集属性，我们提出度量、排序并选择数据集以构建用于模型评估的新基准。此外，发布了一个称为 EarthNets 的 EO 新平台，以实现对遥感数据上深度学习方法公平且一致的评估。EarthNets 支持标准数据集库与前沿深度学习模型，以弥合遥感与机器学习界之间的鸿沟。基于该平台，在新基准上评估了广泛的深度学习方法。富有洞见的成果有益于未来研究。该平台与数据集集合公开于 https://earthnets.github.io。
引用
@article{arxiv.2210.04936,
title = {EarthNets: Empowering AI in Earth Observation},
author = {Zhitong Xiong and Fahong Zhang and Yi Wang and Yilei Shi and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2210.04936},
year = {2024}
}
备注
30 pages