自监督遥感特征学习：学习范式、挑战与未来工作
计算机视觉与模式识别
2023-07-19 v1 人工智能
摘要
深度学习在从海量遥感图像（RSIs）中学习特征方面已取得巨大成功。为更好理解特征学习范式（如非监督特征学习（USFL）、监督特征学习（SFL）与自监督特征学习（SSFL））之间的联系，本文从特征学习信号的角度对其进行分析与比较，并给出统一的特征学习框架。在该统一框架下，我们分析了SSFL相对于另两种学习范式在RSI理解任务中的优势，并对遥感领域现有SSFL工作进行了全面综述，包括预训练数据集、自监督特征学习信号及评估方法。我们进一步分析了SSFL信号与预训练数据对所学特征的影响，为改进RSI特征学习提供见解。最后，我们简要讨论了若干开放性问题与可能的研究方向。
引用
@article{arxiv.2211.08129,
title = {Self-supervised remote sensing feature learning: Learning Paradigms, Challenges, and Future Works},
author = {Chao Tao and Ji Qi and Mingning Guo and Qing Zhu and Haifeng Li},
journal= {arXiv preprint arXiv:2211.08129},
year = {2023}
}
备注
24 pages, 11 figures, 3 tables