基于时间序列对比学习的重采样数据增强: 遥感应用
计算机视觉与模式识别
2025-06-24 v1
摘要
鉴于无标签卫星影像时间序列(SITS)的丰富性以及标签数据稀缺性,对比自监督预训练自然成为利用大量无标签数据的方法。然而,为对比学习设计有效的数据增强仍然困难,尤其是针对时间序列数据。我们引入一种新颖的基于重采样的数据增强策略,通过上采样时间序列并提取不相交的子序列来生成正样本对,同时保持时间覆盖率。我们在多个农业分类基准数据集上使用Sentinel-2影像进行验证,结果表明该方法优于抖动、调整大小和掩码等常见方法。进一步地,在不使用空间信息或时间编码的情况下,我们在S2-Agri100数据集上实现了最先进的性能,超越了更复杂的基于掩码的自监督学习框架。该方法为遥感时间序列提供了一种简单而有效的对比学习数据增强方法。
关键词
引用
@article{arxiv.2506.18587,
title = {Resampling Augmentation for Time Series Contrastive Learning: Application to Remote Sensing},
author = {Antoine Saget and Baptiste Lafabregue and Antoine Cornuéjols and Pierre Gançarski},
journal= {arXiv preprint arXiv:2506.18587},
year = {2025}
}
备注
10 pages, 2 figures, accepted at 42nd International Conference on Machine Learning (ICML 2025) Terrabytes workshop