GEO-Bench：面向地球监测的基础模型
机器学习
2023-12-27 v2 计算机视觉与模式识别
摘要
自监督的最新进展表明，在大量无监督数据上预训练大型神经网络可显著提升对下游任务的泛化能力。此类模型近来被称为基础模型（foundation models），已对自然语言处理领域产生变革性影响。也有针对图像数据的变体被提出，但其对遥感任务的适用性有限。为推进地球监测基础模型的发展，我们提出一个由六项分类与六项分割任务组成的基准，这些任务经过精心筛选与适配，既与领域相关又适于模型评估。我们为该基准配套提供一种稳健的模型评估方法与聚合结果报告机制，以实现可靠的进展评估。最后，我们报告了 20 个基线的结果，以了解现有模型的性能。我们相信该基准将推动各类地球监测任务的进展。
引用
@article{arxiv.2306.03831,
title = {GEO-Bench: Toward Foundation Models for Earth Monitoring},
author = {Alexandre Lacoste and Nils Lehmann and Pau Rodriguez and Evan David Sherwin and Hannah Kerner and Björn Lütjens and Jeremy Andrew Irvin and David Dao and Hamed Alemohammad and Alexandre Drouin and Mehmet Gunturkun and Gabriel Huang and David Vazquez and Dava Newman and Yoshua Bengio and Stefano Ermon and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2306.03831},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2112.00570