基于判别网络的无监督深度特征用于遥感图像匹配
计算机视觉与模式识别
2020-05-05 v1
摘要
深度感知网络的出现带来了机器视觉与图像感知的范式转变。近来在隐空间中由手工特征完成的图像理解，已被来自监督网络的深度特征所取代，以提升理解能力。然而，此类深度网络需要以大量标注数据进行严格监督以完成真实训练过程。这些方法在缺乏标注数据的领域表现不佳，尤其在遥感图像检索中。为此，我们提出一种用于遥感图像匹配（RSIM）的无监督编码器-解码器特征。此外，我们用深度判别网络替代常规距离度量，以辨识图像对的相似性。据我们所知，判别网络此前从未被用于解决 RSIM 问题。结果已在两个公开基准遥感图像数据集上验证。该技术还被考察用于基于内容的遥感图像检索（CBRSIR），其为 RSIM 的广泛应用之一。结果表明，我们的技术在无监督图像匹配上以平均精度均值（mAP）81% 超越 SOTA 方法，并在图像检索上使 mAP 分数总体提升约 12%。
引用
@article{arxiv.1810.06470,
title = {Unsupervised Deep Features for Remote Sensing Image Matching via Discriminator Network},
author = {Mohbat Tharani and Numan Khurshid and Murtaza Taj},
journal= {arXiv preprint arXiv:1810.06470},
year = {2020}
}
备注
13 Pages, 7 Figures