太阳能电池板分割：针对不完美数据集的自监督学习解决方案
计算机视觉与模式识别
2024-06-04 v3 人工智能
摘要
太阳能采用的增加需要先进的监测和维护方法，以确保太阳能电池板装置的最佳性能。在此背景下，一个关键组成部分是从航空或卫星图像中准确分割太阳能电池板，这对于识别运行问题和评估效率至关重要。本文解决了电池板分割中的重大挑战，特别是标注数据的稀缺以及监督学习手动标注的劳动密集型性质。我们探索并应用自监督学习 (SSL) 来解决这些挑战。我们证明，SSL 显著增强了模型在各种条件下的泛化能力，并减少了对手动标注数据的依赖，为稳健且适应性强的太阳能电池板分割解决方案铺平了道路。
引用
@article{arxiv.2402.12843,
title = {Solar Panel Segmentation :Self-Supervised Learning Solutions for Imperfect Datasets},
author = {Sankarshanaa Sagaram and Krish Didwania and Laven Srivastava and Aditya Kasliwal and Pallavi Kailas and Ujjwal Verma},
journal= {arXiv preprint arXiv:2402.12843},
year = {2024}
}
备注
Published at ICLR Tiny Paper 2024