SCIDA：从单标签到多标签航拍图像的自校正集成域自适应
计算机视觉与模式识别
2022-06-15 v2
摘要
大多数公开可用的图像分类数据集为单标签，而图像在日常生活中本质上是多标签的。这种标注差距使得许多预训练的单标签分类模型在实际场景中失效。对于航拍图像，这一标注问题更为突出：传感器采集的航拍数据自然覆盖相对较大的陆地面积并带有多个标签，而公开可用的标注航拍数据集（如 UCM、AID）却是单标签的。由于人工标注多标签航拍图像耗时耗力，我们提出了一种新颖的自校正集成域自适应（SCIDA）方法用于自动多标签学习。SCIDA 是弱监督的，即利用海量公开可用的单标签图像自动学习多标签图像分类模型。为实现此目标，我们提出了一种新颖的标签级自校正（LWC）模块以更好地挖掘潜在标签相关性。该模块还使得从单标签到多标签数据的无监督域自适应（UDA）成为可能。对于模型训练，所提模型仅使用单标签信息且不需要多标签数据的先验知识；并且它预测多标签航拍图像的标签。在我们的实验中，使用单标签的 MAI-AID-s 和 MAI-UCM-s 数据集训练后，所提模型直接在我们收集的多场景航拍图像（MAI）数据集上测试。
引用
@article{arxiv.2108.06810,
title = {SCIDA: Self-Correction Integrated Domain Adaptation from Single- to Multi-label Aerial Images},
author = {Tianze Yu and Jianzhe Lin and Lichao Mou and Yuansheng Hua and Xiaoxiang Zhu and Z. Jane Wang},
journal= {arXiv preprint arXiv:2108.06810},
year = {2022}
}