FMARS：利用基础模型为灾害管理标注遥感图像
计算机视觉与模式识别
2024-06-21 v2
摘要
甚高分辨率（VHR）遥感影像日益普及，但往往缺乏有效机器学习应用所需的标注。最近的基础模型如GroundingDINO和Segment Anything（SAM）为自动生成标注提供了机会。本研究介绍了FMARS（遥感中的基础模型标注），一种利用VHR影像和基础模型进行快速稳健标注的方法。我们聚焦于灾害管理，并提供了一个大规模数据集，其标签来自19个灾害事件的事件前影像，源自Maxar开放数据计划。我们在生成的标签上训练分割模型，使用无监督域自适应（UDA）技术来提高对真实场景的可迁移性。我们的结果证明了利用基础模型大规模自动标注遥感数据的有效性，从而为关键应用提供稳健的下游模型。代码和数据集可在\url{https://github.com/links-ads/igarss-fmars}获取。
引用
@article{arxiv.2405.20109,
title = {FMARS: Annotating Remote Sensing Images for Disaster Management using Foundation Models},
author = {Edoardo Arnaudo and Jacopo Lungo Vaschetti and Lorenzo Innocenti and Luca Barco and Davide Lisi and Vanina Fissore and Claudio Rossi},
journal= {arXiv preprint arXiv:2405.20109},
year = {2024}
}
备注
Accepted at IGARSS 2024, 5 pages. Revised and corrected version