评估遥感图像通道数据增强的物理信息一致性
计算机视觉与模式识别
2024-12-16 v2 机器学习
摘要
数据增强在深度学习方法中的应用，对于在有监督、半监督和自监督图像分类中取得最先进成果起着重要作用。特别是，通道变换（例如，过度曝光、灰度化、亮度调整）被集成到遥感图像分类任务的数据增强流程中。然而，关于它们在遥感图像中的恰当应用存在相互矛盾的看法。一个常见的批评点是，通道增强技术的应用可能导致物理上不一致的光谱数据（即像素特征）。为阐明这一公开争论，我们提出一种方法来估计通道增强技术是否影响遥感图像的物理信息。为此，所提出的方法估计一个分数，该分数衡量像素特征在时间序列中的对齐程度，该时间序列可能自然地受到诸如采集条件或植被物候状态等因素引起的偏差影响。我们比较与原始和增强像素特征相关的分数，以评估物理一致性。在多标签图像分类任务上的实验结果表明，产生的分数超过原始像素特征预期偏差的通道增强，无法提升未使用增强训练的基线模型的性能。
引用
@article{arxiv.2403.14547,
title = {Estimating Physical Information Consistency of Channel Data Augmentation for Remote Sensing Images},
author = {Tom Burgert and Begüm Demir},
journal= {arXiv preprint arXiv:2403.14547},
year = {2024}
}
备注
Accepted at the IEEE International Geoscience and Remote Sensing Symposium