面向卫星图像的自监督域不可知域适应
计算机视觉与模式识别
2023-09-26 v2 图像与视频处理
摘要
由不同地理区域或采集条件等引起的域偏移是全球尺度卫星图像处理中机器学习的一个常见问题。解决该问题的一个有前景的方法是域适应,其中训练与测试数据集根据其分布被划分为两个或多个域,并应用适应方法以提升模型在测试数据集上的泛化性。然而,界定每幅卫星图像所属域并非易事,尤其在大规模多时相与多传感器场景下,单一图像镶嵌图可能由多个数据源生成。本文提出一种自监督域不可知域适应(SS(DA)2)方法,无需此类域定义即可执行域适应。为此,我们首先设计对比生成对抗损失以训练生成网络,实现任意两幅卫星图像块间的图像到图像翻译。然后,我们通过以不同测试光谱特征增广训练数据来提升下游模型的泛化性。在公开基准上的实验结果验证了 SS(DA)2 的有效性。
引用
@article{arxiv.2309.11109,
title = {Self-supervised Domain-agnostic Domain Adaptation for Satellite Images},
author = {Fahong Zhang and Yilei Shi and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2309.11109},
year = {2023}
}