FewSAR：一个小样本 SAR 图像分类基准
计算机视觉与模式识别
2023-06-19 v1 机器学习
摘要
小样本学习（FSL）是图像分类领域重要且困难的问题之一。然而，与可见光数据集的快速发展相比，SAR 目标图像分类的进展缓慢得多。缺乏统一基准是此现象的关键原因，可能被当前文献严重忽视。SAR 目标图像分类的研究者总在自己的数据集与实验设置上报告新结果，导致结果比较低效并阻碍该领域进一步进展。受此观察启发，我们提出一个新的小样本 SAR 图像分类基准（FewSAR）以解决此问题。FewSAR 包含一个开源 Python 代码库，涵盖三类共 15 种经典小样本 SAR 图像分类方法，为不同小样本 SAR 图像分类任务提供可及且可定制的测试平台。为深入理解不同小样本方法的性能，我们建立评估协议并在基准内开展广泛实验。通过分析同设置下的量化结果与运行时间，我们观察到度量学习方法的精度可达最佳；元学习方法与微调方法在小样本 SAR 图像上表现较差，主要源于现有数据集的偏差。我们相信 FewSAR 将为 SAR 图像分类与少样本深度学习交叉处的现实挑战之未来研发开辟新途径。我们将在 https://github.com/solarlee/FewSAR 提供所提 FewSAR 的代码。
引用
@article{arxiv.2306.09592,
title = {FewSAR: A Few-shot SAR Image Classification Benchmark},
author = {Rui Zhang and Ziqi Wang and Yang Li and Jiabao Wang and Zhiteng Wang},
journal= {arXiv preprint arXiv:2306.09592},
year = {2023}
}
备注
7 pages, 4 figures