基于背scatter 功率加权的 SAR 基础模型训练——SAR-W-MixMAE
计算机视觉与模式识别
2025-03-05 v2 图像与视频处理
摘要
基础模型方法（如掩码自编码器 MAE 或其变体）已成功应用于卫星影像。目前大多数技术验证都针对光学影像（如 RGB 或多光谱影像）。由于语义标注创建数据集困难且合成孔径雷达 (SAR) 数据相对于光学影像噪声更大，SAR 数据在该领域尚未得到广泛探索。因此，本文作为预训练方法，探索了在 Sentinel-1 SAR 图像上应用掩码自编码器（Specifically MixMAE）及其对 SAR 图像分类任务的影响。此外，我们提出对 SAR 数据的物理特性，针对自编码器训练损失（MSE）应用加权参数，以减少信噪比和 SAR 图像中极高值的影响。所提出的基于 SAR 强度的重建损失加权在 SAR 预训练和下游任务（特别是洪水检测）方面显示出有前景的成果，优于基线模型。
引用
@article{arxiv.2503.01181,
title = {SAR-W-MixMAE: SAR Foundation Model Training Using Backscatter Power Weighting},
author = {Ali Caglayan and Nevrez Imamoglu and Toru Kouyama},
journal= {arXiv preprint arXiv:2503.01181},
year = {2025}
}
备注
5 pages, 1 figure