PhilEO Bench：评估地理空间基础模型
计算机视觉与模式识别
2024-01-17 v2 机器学习
摘要
地球观测 (EO) 卫星捕获了大量未标记数据，其中 Sentinel-2 星座每天生成 1.6 TB 数据。这使得遥感成为一个数据丰富的领域，非常适合机器学习 (ML) 解决方案。然而，将 ML 模型应用于 EO 的瓶颈在于标注数据的缺乏，因为标注是一个劳动密集且成本高昂的过程。因此，该领域的研究主要集中在自监督学习和基础模型方法上。本文通过引入 PhilEO Bench（一种用于 EO 基础模型的新型评估框架），解决了在公平统一基准上评估不同基础模型的需求。该框架包含一个测试平台和一个新型 400 GB Sentinel-2 数据集，其中包含用于三个下游任务的标签：建筑密度估计、道路分割和土地覆盖分类。我们利用该框架展示了实验结果，评估了包括 Prithvi 和 SatMAE 在内的不同基础模型在多种 n-shot 设置和收敛率下的表现。
引用
@article{arxiv.2401.04464,
title = {PhilEO Bench: Evaluating Geo-Spatial Foundation Models},
author = {Casper Fibaek and Luke Camilleri and Andreas Luyts and Nikolaos Dionelis and Bertrand Le Saux},
journal= {arXiv preprint arXiv:2401.04464},
year = {2024}
}
备注
6 pages, 5 figures, Submitted to IGARSS 2024