着眼全局：卫星影像深度学习的系统化方法洞察
计算机视觉与模式识别
2018-11-13 v1
摘要
深度学习任务通常十分复杂，需要多种组件高效协同才能表现良好。由于这些任务往往规模庞大，必须快速迭代以尝试多种方法并发现及修复错误。在参与 IARPA 的 Functional Map of the World 挑战赛期间，我们识别了整个深度学习流水线中的挑战，并找到了相应的解决方案。本文展示了在数据处理与建模时的性能、工程与深度学习考量，以及支撑大规模深度学习任务的底层基础设施考量。我们还讨论了关于卫星影像及用于图像分类的深度学习方面的见解与观察。
引用
@article{arxiv.1811.04893,
title = {Focusing on the Big Picture: Insights into a Systems Approach to Deep Learning for Satellite Imagery},
author = {Ritwik Gupta and Carson D. Sestili and Javier A. Vazquez-Trejo and Matthew E. Gaston},
journal= {arXiv preprint arXiv:1811.04893},
year = {2018}
}
备注
Accepted to IEEE Big Data 2018