PatternNet：用于遥感图像检索性能评估的基准数据集
计算机视觉与模式识别
2018-07-24 v2
摘要
遥感图像检索 (RSIR) 旨在从海量遥感数据中高效检索感兴趣的数据，是遥感领域的一项基础任务。过去几十年来，人们付出了巨大努力为该任务提取强大的特征表示，因为检索性能取决于特征的表征能力。基准数据集对于开发、评估和比较 RSIR 方法也至关重要。当前的基准数据集存在以下不足：1) 它们最初是为土地利用/土地覆盖分类而非图像检索收集的；2) 它们在类别数量和每类样本图像数量方面相对较小；3) 检索性能已趋于饱和。这些限制严重阻碍了 RSIR 新型特征表示的发展，尤其是需要大量训练数据的近期基于深度学习的特征。因此，我们在本文中提出了一个名为“PatternNet”的大规模遥感数据集，该数据集专门为 RSIR 收集。PatternNet 从高分辨率图像中收集，包含 38 个类别，每类 800 张图像。我们还对从传统的基于手工特征的方法到近期基于深度学习的方法在内的 RSIR 方法进行了全面回顾。我们评估了超过 35 种方法，以为未来的 RSIR 研究使用 PatternNet 基准建立广泛的基线结果。
关键词
引用
@article{arxiv.1706.03424,
title = {PatternNet: A Benchmark Dataset for Performance Evaluation of Remote Sensing Image Retrieval},
author = {Weixun Zhou and Shawn Newsam and Congmin Li and Zhenfeng Shao},
journal= {arXiv preprint arXiv:1706.03424},
year = {2018}
}
备注
49 pages