遥感多标签场景分类受益于图像超分辨率
计算机视觉与模式识别
2025-01-14 v1 人工智能
摘要
卫星影像是众多遥感 (RS) 应用的基石；然而，有限的空间分辨率经常阻碍此类系统的精度，特别是在多标签场景分类任务中，因为它需要更高水平的细节和特征区分度。在本研究中，我们探讨了将图像超分辨率 (SR) 作为预处理步骤的有效性，以提升卫星图像质量，从而改善下游分类性能。我们研究了四种 SR 模型——SRResNet、HAT、SeeSR 和 RealESRGAN，并评估了它们对多种 CNN 架构下多标签场景分类的影响，包括 ResNet-50、ResNet-101、ResNet-152 和 Inception-v4。结果表明，应用 SR 在各项指标上显著提升了下游分类性能，证明了其保留对多标签任务至关重要的空间细节的能力。总体而言，这项工作为遥感中多标签预测的 SR 技术选择提供了有价值的见解，并提出了一种易于集成的框架以改进现有的 RS 系统。
引用
@article{arxiv.2501.06720,
title = {Multi-Label Scene Classification in Remote Sensing Benefits from Image Super-Resolution},
author = {Ashitha Mudraje and Brian B. Moser and Stanislav Frolov and Andreas Dengel},
journal= {arXiv preprint arXiv:2501.06720},
year = {2025}
}