基于强化学习的精简卫星图像变化检测
计算机视觉与模式识别
2022-03-23 v1
摘要
在本文中，我们介绍了一种基于主动学习的新型交互式卫星图像变化检测算法。所提方法是迭代的，就目标变化向用户（预言机）提问，并根据预言机的响应更新变化检测。我们考虑一个概率框架，该框架为每个未标记样本分配一个相关性度量，建模该样本在训练变化检测函数时的关键程度。这些相关性度量通过最小化混合多样性、代表性和不确定性的目标函数获得。这些标准结合时可探索不同数据模式并细化变化检测。为进一步挖掘该目标函数的潜力，我们考虑一种强化学习方法，通过主动学习迭代找到多样性、代表性和不确定性的最佳组合，从而获得更好的泛化能力，这通过交互式卫星图像变化检测实验得到证实。
引用
@article{arxiv.2203.11564,
title = {Reinforcement-based frugal learning for satellite image change detection},
author = {Sebastien Deschamps and Hichem Sahbi},
journal= {arXiv preprint arXiv:2203.11564},
year = {2022}
}