扩展 Agriculture-Vision：面向农业模式分析的大型航拍图像数据集扩展
计算机视觉与模式识别
2023-03-07 v1
摘要
遥感与对地观测数据中许多机器学习工作的一个关键挑战在于难以获取大量精确标注的数据。对于语义分割任务而言尤为如此，由于大规模收集精确像素级标注极为困难，此类任务在遥感领域远不如其他任务常见。近期的努力通过构建监督数据集以及应用自监督方法来应对这些挑战。我们在这两个方向上持续推进。首先，我们生成并发布了 Agriculture-Vision 数据集（Chiu et al., 2020b）的改进版本，纳入原始全田影像以提供更大的实验灵活性。其次，我们通过发布 3600 张大型高分辨率（10cm/像素）、全田的红绿蓝与近红外图像对该数据集进行扩展，用于预训练。第三，我们将最初构建于 SimCLR 框架上的 Pixel-to-Propagation Module（Xie et al., 2021b）整合进 MoCo-V2（Chen et al., 2020b）框架中。最后，我们在下游分类与语义分割任务上对不同对比学习方法进行基准测试，展示了该数据的效用。我们基于 MoCo-V2 在不同框架内探索了 CNN 与 Swin Transformer（Liu et al., 2021a）架构。这些方法共同使我们能够更好地从航拍影像中检测田间关键农业模式，从而及时警示农民问题区域以辅助其管理决策。此外，这些数据集的发布将支持农业遥感计算机视觉的众多研究方向。
引用
@article{arxiv.2303.02460,
title = {Extended Agriculture-Vision: An Extension of a Large Aerial Image Dataset for Agricultural Pattern Analysis},
author = {Jing Wu and David Pichler and Daniel Marley and David Wilson and Naira Hovakimyan and Jennifer Hobbs},
journal= {arXiv preprint arXiv:2303.02460},
year = {2023}
}
备注
Dataset: https://github.com/jingwu6/Extended-Agriculture-Vision-Dataset Video: https://youtu.be/2xaKxUpY4iQ