利用含噪标签进行任务特定预训练以用于遥感图像分割

与监督深度学习相比，自监督学习为遥感领域提供了一种减少精确人工标注地理空间数据量的工具。虽然图像级信息在无监督预训练中能有效服务于各种分类下游任务，但其在像素级语义分割方面的模型精度表现滞后。相反，许多易于获取的标签源（例如自动标注工具和土地覆盖/土地利用产品）存在，可为分割模型训练提供大量含噪标签。在本文中，我们提出利用含噪语义分割图进行模型预训练。我们的实验提供了关于网络层鲁棒性的见解。迁移学习设置测试了预训练编码器针对不同标签类别和解码器进行微调的情况。两个数据集的结果表明，利用含噪标签进行任务特定的监督预训练是有效的。我们的发现为提升模型精度和开发高效的遥感图像分割新型预训练策略开辟了新途径。