资源受限下的卫星图像尺度感知识别
计算机视觉与模式识别
2025-02-04 v2
摘要
卫星图像中特征的识别（如森林、游泳池等）强烈取决于概念的空间尺度以及图像的分辨率。这提出了两个挑战：哪种分辨率最适合识别给定概念，以及应在何时何处获取成本更高的高分辨率 (HR) 图像。我们提出了一种新方案，通过引入三个组件来解决这些挑战：(1) 一种从在 HR 图像上训练的模型中提炼知识的技术，用于生成可在低分辨率 (LR) 图像上运行的识别模型；(2) 基于模型不一致性的 HR 图像抽样策略；(3) 一种基于大语言模型 (LLM) 的用于推断概念“尺度”的方法。通过这些组件，我们构建了一个系统，有效地在资源受限条件下执行卫星图像的尺度感知识别，在单尺度推断的基础上提高了准确率，同时遵循预算约束。我们新颖的方法在完全使用 HR 基准方法的基础上实现了最高可达 26.3% 的准确率提升，同时使用了 76.3% 更少的 HR 图像。
引用
@article{arxiv.2411.00210,
title = {Scale-Aware Recognition in Satellite Images under Resource Constraints},
author = {Shreelekha Revankar and Cheng Perng Phoo and Utkarsh Mall and Bharath Hariharan and Kavita Bala},
journal= {arXiv preprint arXiv:2411.00210},
year = {2025}
}
备注
16 pages, 4 figures