遥感中的无监督特征学习
计算机视觉与模式识别
2019-09-24 v1 机器学习
图像与视频处理
摘要
对标记数据的需求是部署深度学习算法解决现实问题最常见且众所周知的实践障碍之一。当前一代学习算法需要大量依据静态预定义模式标记的数据。相反，人类能基于大量无标记数据快速学习泛化，并将这些泛化转化为使用自发标记的归类，且常包含此前未见的标记。我们将一种最先进的无监督学习算法应用于含噪且极度不平衡的xView数据集，以训练适应多项任务的特征提取器：在常见与稀有类上均表现良好的视觉相似度搜索；识别标记数据集中的离群点；以及自动学习自然类层次结构。
引用
@article{arxiv.1908.02877,
title = {Unsupervised Feature Learning in Remote Sensing},
author = {Aaron Reite and Scott Kangas and Zackery Steck and Steven Goley and Jonathan Von Stroh and Steven Forsyth},
journal= {arXiv preprint arXiv:1908.02877},
year = {2019}
}