基于场景聚类的伪标注策略用于多模态航拍视角目标分类
计算机视觉与模式识别
2022-10-11 v5
摘要
自动目标识别（ATR）中的多模态航拍视角目标分类（MAVOC）虽是一个重要且具有挑战性的问题，却研究不足。本文首先发现，细粒度数据、类别不平衡以及多样的拍摄条件削弱了通用图像分类的表征能力。此外，MAVOC数据集具有场景聚合特性。利用这些性质，我们提出了基于场景聚类的伪标注策略（SCP-Label），一种简单而有效的后处理方法。SCP-Label通过为同一场景中的目标分配相同标签，并借助模型集成缓解偏差与混淆，从而显著提升准确率。其性能在Track 1（SAR）上以+20.57%的准确率、在Track 2（SAR+EO）上以+31.86%的准确率大幅超越官方基线，展示了SCP-Label作为后处理方法的潜力。最终，我们在CVPR 2022感知超越可见光谱（PBVS）研讨会MAVOC挑战赛的Track1和Track2上均获得冠军。我们的代码见 https://github.com/HowieChangchn/SCP-Label。
引用
@article{arxiv.2205.01920,
title = {Scene Clustering Based Pseudo-labeling Strategy for Multi-modal Aerial View Object Classification},
author = {Jun Yu and Hao Chang and Keda Lu and Liwen Zhang and Shenshen Du and Zhong Zhang},
journal= {arXiv preprint arXiv:2205.01920},
year = {2022}
}