基于自监督与半监督计算机视觉的航空遥感影像城市特征分析
计算机视觉与模式识别
2022-08-18 v1
摘要
利用计算机视觉分析俯视影像是一个在学术文献中备受关注的问题。该领域大多数技术既高度专门化，又需要对大型数据集进行昂贵的手动标注。本文通过开发一个更通用的框架来解决这些问题，该框架融合了表示学习的进展，从而能以有限的标注数据更灵活地分析新类别的影像。首先，基于动量对比机制创建了无标注航空影像数据集的鲁棒表示；随后仅使用少至 200 张标注图像构建准确分类器，使该表示适配不同任务。从 6000 万张无标注图像中成功低层检测十年间城市基础设施演变，彰显了本方法在推进定量城市研究方面的巨大潜力。
引用
@article{arxiv.2208.08047,
title = {Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision},
author = {Sachith Seneviratne and Jasper S. Wijnands and Kerry Nice and Haifeng Zhao and Branislava Godic and Suzanne Mavoa and Rajith Vidanaarachchi and Mark Stevenson and Leandro Garcia and Ruth F. Hunter and Jason Thompson},
journal= {arXiv preprint arXiv:2208.08047},
year = {2022}
}
备注
Submitted to journal 'Sustainable Cities and Society'