从噪声标签中学习检测遥感图像中的云和雪
计算机视觉与模式识别
2024-01-18 v1 人工智能
摘要
检测遥感图像中的云和雪是遥感影像的一项基本预处理任务。以往的工作从计算机视觉中的语义分割模型汲取灵感，大多数研究侧重于改进模型架构以提升检测性能。然而，与自然图像不同，遥感图像中场景的复杂性和云类型的多样性导致云和雪检测数据集中存在许多不准确的标签，从而在训练和测试过程中引入了不必要的噪声。通过构建一个新的数据集，并提出一种基于课程学习范式的新型训练策略，我们引导模型减少对噪声标签的过拟合。此外，我们设计了一种更合适的模型性能评估方法，以减轻由噪声标签引起的性能评估偏差。通过在UNet和Segformer模型上进行实验，我们验证了所提出方法的有效性。本文首次考虑了标签噪声对遥感图像中云和雪检测的影响。
引用
@article{arxiv.2401.08932,
title = {Learning to detect cloud and snow in remote sensing images from noisy labels},
author = {Zili Liu and Hao Chen and Wenyuan Li and Keyan Chen and Zipeng Qi and Chenyang Liu and Zhengxia Zou and Zhenwei Shi},
journal= {arXiv preprint arXiv:2401.08932},
year = {2024}
}