Feb, 2023

使用 Viewmaker 网络进行多光谱自监督学习

PDF
TL;DR本篇论文探讨了如何运用对比学习的方法，使用 Viewmaker 网络产生视角从而处理多种遥感数据集，同时发现该方法在每个多光谱成像问题上表现优于基于裁剪和反射的方法，结果表明领域无关的方法可以扩展应用到实际的科学领域。
contrastive learningremote sensing datasetsviewmaker networksmultispectral imaging problemsdomain-agnostic methods
发现论文，激发创造
  • Viewmaker Networks：学习无监督表征学习的视角

    本文提出了一种称为 viewmaker networks 的生成模型，它可以从输入中生成有用的视图，并在预先训练时实现了与手工制作视图相当的结果，从而降低了预训练需要的领域专业知识和努力。

    Oct, 2020

  • 对比学习的好视角是什么？

    这篇论文研究不同视角之间的关联性对于对比学习在无监督和半监督任务中的重要性，并提出通过减少视角之间的互信息来学习有效的视角以提高下游任务的准确性。同时，作者在 ImageNet 分类和 PASCAL VOC 目标检测以及 COCO 实例分割任务上通过对比实验展示了他们提出方法的高效性。

    May, 2020

  • 无监督学习视觉表示的对比方法再探

    本文将需要自我学习来改进现有模型的数据集偏差性进行了深入研究，并成功地在不同类型数据集上改善了模型，同时介绍了一种具有多尺度裁剪、强数据增强和近邻策略的改进自监督学习方法，并通过 MoCo 模型在语义分割和视频实例分割任务中实现了优秀的效果。

    Jun, 2021

  • 对比多视角编码

    本文研究了一个强大的表示形式，该表示形式对场景的多视图和不完整信息进行建模，通过多视图对比学习来提取多个视角得到的公共信息，该方法优于基于视图交叉预测的选择，经过检验实现了最先进的图像和视频无监督学习基准结果。

    Jun, 2019

  • 基于学习的光场相机视角合成

    本文提出了一种新的基于机器学习的方法用于从稀疏的视角图像中合成新的视角图像，该方法使用了两个 CNN 来分别对视差和颜色进行估计，并通过最小化合成图像与标准图像之间的误差来同时训练两个网络。实验结果表明该方法能够合成出高质量的图像并优于现有的技术，该方法可以潜在地降低消费者光场相机所需的角度分辨率，从而提高空间分辨率。

    Sep, 2016

  • 地理感知的自监督学习

    本研究旨在将对比学习方法应用于地理定位的数据集上，通过利用遥感数据的时空结构设计预处理任务和构建时空正对来消除对比学习和监督学习之间的差距，并在遥感图像分类、目标检测和语义分割等任务上展示该方法的有效性，同时还表明该方法可以应用于地理标记的 ImageNet 图像并提高相应任务的性能。

    Nov, 2020

  • 基于对比学习的多层交叉模态特征对齐，用于遥感图像场景的零样本分类

    本文提出了一种通过对比学习进行多层次交叉模态特征对齐的方法，以用于遥感图像场景的零样本分类，实验结果表明该方法优于目前现有的零样本遥感图像场景分类方法。

    May, 2023

  • 基于多风格和多视角对乳腺 X 光检测的领域泛化方法

    本研究开发了一种对深度学习模型进行增广的对比学习方案，通过多样性图片样式训练深度学习网络，可以提高深度学习模型的泛化能力，改进了乳腺摄影病变检测性能，胜过了许多先进的泛化方法。

    Nov, 2021

  • 建设性同化：通过视角生成策略提升对比学习性能

    本文提出了一种视图生成方法和简单有效的融合方法，将生成视图与人工设计的专家变换结合起来，并对比对比表示学习中学习视图的有效性进行了详细的实证研究。在三个不同的数据集上，该方法使最先进技术性能提高了约 3.6%。

    Apr, 2023

  • BirdSAT：鸟类物种分类和地图绘制的跨视图对比遮蔽自动编码器

    我们提出了一种元数据感知的自监督学习框架，可用于鸟类物种的细粒度分类和生态映射，通过对地面图像的元数据进行富集，我们的模型学习到了鸟类的细粒度和地理条件特征，表现出最先进的性能，并实现了跨模态的信息检索和物种分布图的创建。

    Oct, 2023