SATIN：基于视觉-语言模型分类卫星影像的多任务元数据集
计算机视觉与模式识别
2023-04-25 v1 人工智能
机器学习
摘要
解译遥感影像可支撑从土地利用规划到森林砍伐监测的众多下游应用。由于地球地理多样性，对此类数据的鲁棒分类颇具挑战。尽管存在许多不同的卫星与航空图像分类数据集，迄今仍缺乏一个恰当覆盖该多样性的基准。本文引入由 27 个现有遥感数据集整理而成的卫星 ImageNet（SATIN）元数据集，并全面评估一系列视觉-语言（VL）模型在 SATIN 上的零样本迁移分类能力。我们发现 SATIN 是一个具挑战性的基准——所评估最强方法分类准确率为 52.0%。我们提供 以指引并追踪 VL 模型在这一重要领域的进展。
引用
@article{arxiv.2304.11619,
title = {SATIN: A Multi-Task Metadataset for Classifying Satellite Imagery using Vision-Language Models},
author = {Jonathan Roberts and Kai Han and Samuel Albanie},
journal= {arXiv preprint arXiv:2304.11619},
year = {2023}
}