遥感图像场景分类遇上深度学习：挑战、方法、基准与机遇
计算机视觉与模式识别
2020-08-20 v2
摘要
遥感图像场景分类旨在根据内容将遥感图像标注为一组语义类别，在多个领域有广泛应用。受深度神经网络强大特征学习能力的推动，深度学习驱动的遥感图像场景分类引起了显著关注并取得了重要突破。然而，据我们所知，关于深度学习用于遥感图像场景分类近期成果的全面综述仍然缺乏。考虑到该领域的快速发展，本文通过涵盖 160 余篇论文，对深度学习用于遥感图像场景分类的方法进行了系统综述。具体而言，我们讨论了遥感图像场景分类的主要挑战，并综述了 (1) 基于自编码器的遥感图像场景分类方法、(2) 基于卷积神经网络的遥感图像场景分类方法，以及 (3) 基于生成对抗网络 (GAN) 的遥感图像场景分类方法。此外，我们介绍了用于遥感图像场景分类的基准，并总结了二十余种代表性算法在三个常用基准数据集上的性能。最后，我们讨论了进一步研究的有望机遇。
引用
@article{arxiv.2005.01094,
title = {Remote Sensing Image Scene Classification Meets Deep Learning: Challenges, Methods, Benchmarks, and Opportunities},
author = {Gong Cheng and Xingxing Xie and Junwei Han and Lei Guo and Gui-Song Xia},
journal= {arXiv preprint arXiv:2005.01094},
year = {2020}
}
备注
This manuscript is the accepted version for IEEE JSTARS