在限制标注工作量的同时提升卫星图像中飞机检测的性能：混合主动学习
人工智能
2022-02-11 v1 计算机视觉与模式识别
神经与进化计算
摘要
地球观测行业提供具有高空间分辨率和短重访时间的卫星图像。为了能够高效地业务化使用这些图像，自动化某些任务变得必要。在国防领域，卫星图像上的飞机检测是分析人员的一个宝贵工具。在此类任务上获得高性能检测器只能通过利用深度学习，从而使用大量标注数据来实现。为了获得足够高质量的标签，需要军事专家的知识。我们提出了一种混合聚类主动学习方法，以选择最相关的数据进行标注，从而限制所需的数据量并进一步提高性能。它结合了基于多样性和基于不确定性的主动学习选择方法。对于通过分割进行的飞机检测，我们表明，与其他主动学习方法相比，该方法可以提供更好或具有竞争力的结果。
引用
@article{arxiv.2202.04890,
title = {Improving performance of aircraft detection in satellite imagery while limiting the labelling effort: Hybrid active learning},
author = {Julie Imbert and Gohar Dashyan and Alex Goupilleau and Tugdual Ceillier and Marie-Caroline Corbineau},
journal= {arXiv preprint arXiv:2202.04890},
year = {2022}
}