卫星图像的图像增强
计算机视觉与模式识别
2022-08-01 v1 人工智能
机器学习
图像与视频处理
摘要
本研究提出使用生成模型（GAN）对 EuroSAT 数据集进行增强，以用于土地利用与土地覆盖（LULC）分类任务。我们使用 DCGAN 与 WGAN-GP 为数据集中每个类别生成图像。随后，我们探究了在每种情况下将原始数据集增强约 10% 对模型性能的影响。GAN 架构的选择似乎对模型性能无显著影响。然而，几何增强与 GAN 生成图像的组合提升了基线结果。我们的研究表明，GAN 增强可提升深度分类模型在卫星图像上的泛化能力。
引用
@article{arxiv.2207.14580,
title = {Image Augmentation for Satellite Images},
author = {Oluwadara Adedeji and Peter Owoade and Opeyemi Ajayi and Olayiwola Arowolo},
journal= {arXiv preprint arXiv:2207.14580},
year = {2022}
}
备注
14 pages, 4 figures, 6 tables. Research project for Introduction to Deep Learning (11785) at Carnegie Mellon University