Mar, 2017

遥感影像场景分类：基准和现状

PDF
TL;DR本文系统评述了现有远程感知图像场景识别数据集和方法存在的局限性，提出了一个大规模数据集 NWPU-RESISC45，该数据集包含 31,500 张图像，提供了准确、全面和多样化的评估基准，为深度学习等算法提供了便利。
remote sensing imagescene classificationdatasetsdeep learningnwpu-resisc45
发现论文，激发创造
  • 遥感影像场景分类遇上深度学习：挑战、方法、基准和机遇

    本文系统地介绍了 160 多篇文献中深度学习在遥感图像场景分类中的应用，包括自编码器、卷积神经网络和生成对抗网络等方面，总结了在三个常用数据集上的代表性算法的性能以及未来的研究前景。

    May, 2020

  • 利用 SEN12MS 数据集的遥感图像分类

    本文介绍了 SEN12MS 数据集的分类转换及使用该数据集对不同模型和数据类型进行测试后，证明多光谱和多传感器数据融合对遥感图像分类的好处。

    Apr, 2021

  • 基于迁移学习和注意力机制的深度神经网络遥感图像分类

    本文旨在探讨如何使用深度学习技术完成遥感图片情景分类任务。通过对不同深度神经网络预训练模型和多头注意力机制进行评估，提出了一种基于深度学习的架构，并在 NWPU-RESISC45 数据集上取得了 94.7% 的准确率。

    Jun, 2022

  • RSI-CB: 基于众包数据的大规模遥感图像分类基准

    使用众包数据，本文基于深度卷积神经网络，构建了一个远程遥感图像分类基准测试集，该基准测试集包含两个子数据集，分别为 256×256 和 128×128 像素大小，用于比较与现有基准测试集在手工特征和经典的深度卷积神经网络模型下的表现。

    May, 2017

  • 一种远程感知场景分类的分层方法

    使用层级方法设计的卷积神经网络框架在遥感场景分类中表现良好，但叠加结构中的分类错误累积阻碍了其分类性能超越非层级深层模型。

    Mar, 2021

  • MLRSNet：用于语义场景理解的多标签高空间分辨率遥感数据集

    本研究构建了一个名为 MLRSNet 的多标签高空间分辨率遥感数据集，用于深度学习的语义场景理解任务。它包含 109,161 个样本，涵盖 46 种场景类别，是一个重要的未来研究基准，并填补了现有的多标签图像研究的空白。

    Oct, 2020

  • 光学遥感图像中的目标检测：调查和新基准

    本文提供了在计算机视觉和地球观测社区中基于深度学习的对象检测的综合研究进展，并提出了一个公开的大规模测量数据，即 DIOR 数据集，其可帮助研究人员开发和验证数据驱动的方法。

    Aug, 2019

  • 一种轻量级的遥感图像分类深度学习模型

    本文研究了远程感应图像分类中的高性能、轻量级的深度学习模型，并通过知识蒸馏将教师引导下的最佳性能模型训练出较少复杂度的学生模型，实现了高性能。经过在 NWPU-RESISC45 基准的大量实验，证明了该方法胜过现有的最佳系统，并有潜力在多种边缘设备上应用。

    Feb, 2023

  • PatternNet: 用于遥感图像检索性能评估的基准数据集

    本研究提供了一种新型用于遥感图像检索 (RSIR) 的大规模数据集称为 PatternNet, 同时对传统的手工特征方法和近期的深度学习方法进行了全面评估，以建立 PatternNet 基准测试结果作为未来遥感数据检索算法研究的基础。

    Jun, 2017

  • RS-MetaNet：深度元学习度量学习用于远程感知场景分类

    提出了一种名为 RS-MetaNet 的简单而有效的方法，通过在任务级别而不是样本级别组织训练，学习学习一个可以对遥感场景进行良好分类的度量空间，其中采用了新的平衡损失函数，并在三个公开数据集上展示了在具有 1-20 个标记样本的情况下实现了最先进结果。

    Sep, 2020