以鲁棒微调统一遥感图像检索与分类
计算机视觉与模式识别
2023-03-08 v3 信息检索
摘要
高分辨率遥感图像分析的进展目前受限于难以收集足够标注数据以训练深度学习方法，由此产生了众多小型数据集及相应的数据集专用方法。此外，分类与检索等典型任务缺乏在标准基准与训练数据集上的系统评估，难以辨识持久且可泛化的科学贡献。我们旨在以一个新的大规模训练与测试数据集 SF300（包含垂直与倾斜航拍图像，并向研究界开放）及关联的微调方法，统一遥感图像检索与分类。我们还提出一种针对全局描述子的新对抗微调方法。我们表明，相较于 ImageNet 预训练基线，我们的框架在九个不同数据集上系统地提升了检索与分类性能，目前尚无其他方法可与之比较。
引用
@article{arxiv.2102.13392,
title = {Unifying Remote Sensing Image Retrieval and Classification with Robust Fine-tuning},
author = {Dimitri Gominski and Valérie Gouet-Brunet and Liming Chen},
journal= {arXiv preprint arXiv:2102.13392},
year = {2023}
}
备注
Performance margin with the proposed method is not statistically significant. Please refer to http://alegoria.ign.fr/en/SF300_dataset if you are interested in the dataset