Dec, 2023

学习从大尺寸 VHR 遥感图像全面检测桥梁

PDF
TL;DR本文提出了大规模数据集 GLH-Bridge 和高效网络 HBD-Net，用于在大尺寸高分辨率遥感图像中进行全面的桥梁检测，并验证了 GLH-Bridge 数据集和 HBD-Net 的有效性。
bridge detectionremote sensing imageslarge-size vhr rsisdeep learning algorithmsglh-bridge dataset
发现论文，激发创造
  • 增强的多级特征用于非常高分辨率遥感场景分类

    本文介绍了一种利用增强型 VHR 注意力模块、压缩空间金字塔和全局平均池化等技术的深度学习方法，对于经常出现的类别干扰问题，本文方法能够提供更加稳健的分类性能，可以用于非常高分辨率遥感场景分类任务。实验证明，该方法在两个常用的 VHR 遥感数据集上能够达到很好的分类效果。

    May, 2023

  • 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

  • LHRS-Bot：利用 VGI 增强的大型多模态语言模型强化遥感

    利用大规模遥感图像 - 文本数据集和遥感特定指令数据集，我们构建了针对遥感图像理解的多模态大语言模型（MLLM）LHRS-Bot，通过新颖的多层次视觉 - 语言对齐策略和课程学习方法，展现了在遥感领域中深入理解遥感图像和进行细致推理的能力。

    Feb, 2024

  • 高分辨率显著目标检测

    本文提出了一种新的方法，利用全局语义信息和本地高分辨率细节相结合的方式，完成高分辨率显著性区域检测，并进行了实验验证，证明本方法优于现有的最先进方法。

    Aug, 2019

  • 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

  • DeepMerge: 基于深度学习的图像分割区域合并

    本文提出了一个基于深度学习的区域合并方法 - DeepMerge 来处理大面积 VHR 图像的分割，该方法通过集成 Transformer, 多级嵌入模块，基于分割的特征嵌入模块和区域邻接图模型处理问题，并使用改进的二叉树采样方法生成深度合并模型的多级输入。从实验结果表明，所提出的 DeepMerge 具有最高的 F 值（0.9446）和最低的 TE（0.0962）和 ED2（0.8989），能够正确地分割不同大小的对象，并且优于所有选择的分割方法从定量和定性评估方面来表现。

    May, 2023

  • H2RSVLM：面向有益诚实的遥感大视觉语言模型

    该研究构建了包含 1.4 百万图像 - 字幕对的大规模高质量细节遥感图像数据集 HqDC-1.4M，提供了对遥感图像更好的理解并显著提高了模型的空间感知能力；同时，开发了 RSSA 数据集，通过将无法回答的问题纳入典型的遥感视觉问答任务中，有效改善了模型输出的真实性和幻觉现象，增强了遥感视觉语言模型的诚实度；基于这些数据集，提出了 H2RSVLM，该模型在多个公共遥感数据集上取得了出色的性能，并能识别和拒绝无法回答的问题，有效减轻了错误的生成。

    Mar, 2024

  • Hi-ResNet：高分辨率遥感图像语义分割网络

    本研究提出了一个高分辨率遥感图像网络模型，可解决同类别地物在不同地理环境下形态和比例显著不同，以及复杂背景噪声干扰下影响现有学习算法效果的问题。该模型包含漏斗模型、信息聚合模块、特征精炼模块和 CEA Loss 损失函数，并通过有效的预处理策略，在三个高分辨率遥感图像分割基准数据集上取得了优异表现。

    May, 2023

  • 大规模语义变化检测的多任务学习

    本论文提出了首个大规模高分辨率语义变化检测数据集，使用全卷积神经网络进行语义变化检测和土地覆盖分类，提出了一种序列训练方案，避免设置权衡不同损失函数而取得最佳效果的超参数。

    Oct, 2018

  • 大型遥感影像密集预测的 RS-Mamba

    远程感知图像中的密集预测任务存在挑战，本研究提出了一种基于远程感知 Mamba（RSM）的模型，利用线性复杂度对全局特征进行建模，以有效处理大尺寸的高空间分辨率远程感知图像，并通过全局建模和多方向扫描提取大尺度空间特征等，实验结果表明该方法在 VHR 远程感知的密集预测任务上取得了最先进的性能。

    Apr, 2024