面向神经网络鲁棒变化检测的遥感图像程序化合成
计算机视觉与模式识别
2019-05-21 v1 机器学习
图像与视频处理
机器学习
摘要
卷积神经网络（CNNs）等数据驱动方法在训练数据充足时，在图像识别任务上已知可达到最先进性能。然而在某些情况下，如遥感图像变化检测，标注数据无法以足够数量获取。本工作提出一种简单高效的方法，利用游戏开发引擎带来的便利，在遥感领域创建逼真的针对性合成数据集。我们描述了程序化几何生成与渲染的流程，并评估了所生成数据集在变化检测场景中的效率。我们的评估表明，当真实世界数据量严重受限时，该流程有助于提升深度学习模型的性能与收敛性。
引用
@article{arxiv.1905.07877,
title = {Procedural Synthesis of Remote Sensing Images for Robust Change Detection with Neural Networks},
author = {Maria Kolos and Anton Marin and Alexey Artemov and Evgeny Burnaev},
journal= {arXiv preprint arXiv:1905.07877},
year = {2019}
}
备注
17 pages, 11 figures