GenCo：一种来自对比学习的辅助生成器用于增强遥感少样本学习
计算机视觉与模式识别
2023-07-28 v1
摘要
由于难以获取大量准确标注的数据，从有限数量的样本中分类和分割模式是遥感与地球观测中的一项重大挑战。先前的研究表明，涉及在查询集和支持集上进行情景式训练的元学习是一种有前景的方法。然而，直接微调技术很少受到关注。本文将对比学习重新用作分类和语义分割任务中少样本学习的预训练方法。具体而言，我们引入了一种基于生成器的对比学习框架（GenCo），该框架预训练骨干网络并同时探索特征样本的变体。在微调中，该辅助生成器可用于在特征空间中丰富有限的标注数据样本。我们在两个关键遥感数据集 Agriculture-Vision 和 EuroSAT 上证明了我们的方法在提升少样本学习性能方面的有效性。经验上，我们的方法在 Agriculture-Vision 近 95,000 张图像上的分类和语义分割任务均优于纯监督训练。类似地，所提出的少样本方法在 EuroSAT 的土地覆盖分类任务上取得了比在该数据集上全监督模型训练更好的结果。
引用
@article{arxiv.2307.14612,
title = {GenCo: An Auxiliary Generator from Contrastive Learning for Enhanced Few-Shot Learning in Remote Sensing},
author = {Jing Wu and Naira Hovakimyan and Jennifer Hobbs},
journal= {arXiv preprint arXiv:2307.14612},
year = {2023}
}
备注
European Conference on Artificial Intelligence (ECAI), 2023