面向无标签卫星影像的可扩展数据均衡方法

数据不平衡是机器学习中一个普遍存在的问题。在大规模收集与标注的数据集中，数据不平衡要么通过人工欠采样高频类别和过采样稀有类别来缓解，要么通过填补与增强技术进行规划应对。在这两种情况下，数据均衡都需要标签。换言之，只有已标注的数据才能被均衡。收集完全标注的数据集具有挑战性，尤其是对于诸如无标签的 NASA 35 PB 地球影像数据集这样的大规模卫星系统。尽管 NASA 地球影像数据集无标签，但我们可以利用数据源的隐含特性来推测其不平衡情况，例如地球影像中陆地与水的分布。我们提出了一种迭代式新方法以均衡无标签数据。我们的方法利用图像嵌入作为图像标签的代理，可用于均衡数据，并最终在训练时提升整体准确率。