卫星影像中用于目标跟踪与背景抑制的无监督学习方法
计算机视觉与模式识别
2021-09-03 v1 机器学习
摘要
本文描述了一种无监督机器学习方法，该方法通过一种新颖的双模型方法实现目标跟踪与背景抑制。``Jekyll`` 生成一个视频位掩码，描述对运动物体位置的估计；``Hyde`` 输出一个伪背景帧，用于从原始输入图像序列中减去。这些模型使用自定义修改的交叉熵损失(Cross Entropy Loss)进行训练。使用模拟数据将 Jekyll 和 Hyde 的性能与更传统的监督式机器学习方法进行比较。这些比较的结果表明，所开发的无监督方法在输出质量上与监督技术具有竞争力，且无需获取标注训练数据的相应成本。
引用
@article{arxiv.2109.00885,
title = {Unsupervised Learning for Target Tracking and Background Subtraction in Satellite Imagery},
author = {Jonathan S. Kent and Charles C. Wamsley and Davin Flateau and Amber Ferguson},
journal= {arXiv preprint arXiv:2109.00885},
year = {2021}
}
备注
10 pages