利用多时相 Sentinel-2 重访数据改进卫星图像分割
计算机视觉与模式识别
2024-10-02 v2
摘要
近年来，遥感数据分析极大地受益于借鉴更广泛计算机视觉领域的技术，例如使用在大型多样化数据集上预训练的共享模型。然而，卫星图像具有传统计算机视觉未考虑的独特特征，例如同一地点的多次重访。在此，我们探索在微调预训练遥感模型的框架下使用重访数据的最佳方式。我们专注于一个与减缓气候变化相关的应用研究问题——变电站分割——它更具普遍性地代表了预训练模型的应用用途。通过在不同模型架构上对多种多时相输入方案进行广泛测试，我们发现，在模型潜在空间中融合来自多次重访的表示优于使用重访数据的其他方法，包括作为数据增强的一种形式。我们还发现，基于 SWIN Transformer 的架构性能优于 U-net 和基于 ViT 的模型。我们在一个独立的建筑密度估计任务上验证了结果的普适性。
引用
@article{arxiv.2409.17363,
title = {Improving satellite imagery segmentation using multiple Sentinel-2 revisits},
author = {Kartik Jindgar and Grace W. Lindsay},
journal= {arXiv preprint arXiv:2409.17363},
year = {2024}
}