遥感图像场景分类：基准与最新进展
计算机视觉与模式识别
2018-02-14 v1
摘要
遥感图像场景分类在广泛应用发挥着重要作用，因此受到了显著关注。过去几年中，人们付出了巨大努力来开发各种数据集或提出多种从遥感图像进行场景分类的方法。然而，关于场景分类的数据集与方法的系统性文献综述仍然缺乏。此外，几乎所有现有数据集都存在若干局限，包括场景类别和图像数量规模小、缺乏图像变化和多样性、以及精度饱和。这些局限严重限制了新方法尤其是基于深度学习的方法的发展。本文首先提供了对近期进展的全面综述。然后，我们提出了一个大规模数据集，称为“NWPU-RESISC45”，这是由西北工业大学（NWPU）创建的用于遥感图像场景分类（RESISC）的公开可用基准。该数据集包含 31,500 张图像，涵盖 45 个场景类别，每类 700 张图像。所提出的 NWPU-RESISC45（i）在场景类别和图像总数上规模大，（ii）在平移、空间分辨率、视角、物体姿态、光照、背景和遮挡方面具有较大变化，（iii）具有高类内多样性和类间相似性。该数据集的创建将使学界能够开发和评估各种数据驱动的算法。最后，使用所提数据集评估了几种代表性方法，并将结果作为未来研究的有用基线予以报告。
引用
@article{arxiv.1703.00121,
title = {Remote Sensing Image Scene Classification: Benchmark and State of the Art},
author = {Gong Cheng and Junwei Han and Xiaoqiang Lu},
journal= {arXiv preprint arXiv:1703.00121},
year = {2018}
}
备注
This manuscript is the accepted version for Proceedings of the IEEE