地球定位：为遥感社区发展开放词汇对象检测
计算机视觉与模式识别
2025-03-07 v3
摘要
对象检测，尤其是开放词汇对象检测，在地球科学领域发挥着关键作用，包括环境监测、自然灾害评估和土地利用规划等。然而，现有开放词汇检测器主要在自然图像上训练，难以泛化到遥感图像，因为存在显著的数据领域差距。因此，本文旨在推动遥感社区的开放词汇对象检测发展。为实现此目标，本文首先将任务重新表述为Locate Anything on Earth（LAE），旨在检测地球上任何新颖概念。随后，我们开发了LAE-Label Engine，收集、自动标注并统一了最多10个遥感数据集，创建了LAE-1M——首个覆盖类别广泛的大规模遥感目标检测数据集。基于LAE-1M，我们进一步提出并训练了新型LAE-DINO模型，首个为LAE任务设计的开放词汇基础目标检测器，特点包括动态词汇构建（DVC）和视觉引导文本提示学习（VisGT）模块。DVC为每个训练批次动态构建词汇，而VisGT将视觉特征映射到语义空间，增强文本特征。我们全面在 established遥感基准DIOR、DOTAv2.0以及我们新引入的80类LAE-80C基准上进行实验。结果表明，LAE-1M数据集和LAE-DINO方法均具有优势。
引用
@article{arxiv.2408.09110,
title = {Locate Anything on Earth: Advancing Open-Vocabulary Object Detection for Remote Sensing Community},
author = {Jiancheng Pan and Yanxing Liu and Yuqian Fu and Muyuan Ma and Jiahao Li and Danda Pani Paudel and Luc Van Gool and Xiaomeng Huang},
journal= {arXiv preprint arXiv:2408.09110},
year = {2025}
}
备注
15 pages, 11 figures