May, 2017

RSI-CB: 基于众包数据的大规模遥感图像分类基准

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 遥感影像场景分类：基准和现状

    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。

    Mar, 2017

  • VRSBench：用于遥感图像理解的通用视觉语言基准数据集

    我们引入了一个新的基准，旨在推进远程感知图像的通用、大规模的视觉语言模型的发展。

    Jun, 2024

  • 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

  • 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

  • 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

  • 遥感图像分类和目标检测的鲁棒性综合研究：调查和基准评估

    该研究是对遥感影像分类和物体检测模型的鲁棒性进行综合研究和基准评估，并提供了数据集资源，通过对不同分类器和探测器的严格评估，找到了关于敌对噪声制备和模型训练的深入认识，并为开发更具弹性和鲁棒性的模型提供指导。

    Jun, 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

  • 天空计数：一个用于遥感目标计数的大规模数据集和基准方法

    在本文中，我们致力于研究如何从遥感图像中计数密集物体，针对这一难题，我们构建了一个大规模的遥感图像计数数据集，设计了一种新型的神经网络可以生成一个输入图像的密度图，并进行广泛的实验证明了我们方法的卓越性和有效性。

    Aug, 2020

  • 使用可转移深度模型进行高分辨率遥感影像土地覆盖分类

    本文提出了一种利用深度神经网络对高分辨率遥感图像进行无监督地物分类的方案，通过未标记遥感图像进行伪标注和样本选择来提高模型的转移性，并通过细化预先训练好的模型，组合分块分类和分层分割实现像素级地物分类。

    Jul, 2018