基于超精简复值模型的多光谱图像分类
计算机视觉与模式识别
2022-11-23 v1
摘要
由于材料在不同光谱下呈现的特征往往与灰度和 RGB 图像中看似相同，多光谱影像对于遥感而言极为宝贵。结合现代深度学习方法，这种模态在多种遥感应用中具有巨大潜在效用，例如人道主义援助与灾害恢复工作。最先进的深度学习方法已从 ImageNet 等大规模标注中极大受益，但现有的 MSI 图像数据集缺乏同等规模的标注。作为在此类少标注数据上迁移学习的替代方案，我们应用复值共域对称模型对实值 MSI 图像进行分类。我们在 8 波段 xView 数据上的实验表明，我们从头训练、无需数据增强的超精简模型在 xView 上可以胜过使用数据增强和改进迁移学习的 ResNet。我们的工作是首个展示复值深度学习在实值 MSI 数据上价值的研究。
引用
@article{arxiv.2211.11797,
title = {Multi-Spectral Image Classification with Ultra-Lean Complex-Valued Models},
author = {Utkarsh Singhal and Stella X. Yu and Zackery Steck and Scott Kangas and Aaron A. Reite},
journal= {arXiv preprint arXiv:2211.11797},
year = {2022}
}
备注
NeuRIPS 2022 HADR workshop submission