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

本研究集中于遥感领域，通过利用多个基础模型来促进远程 sensing 图像语义分割任务。我们的实验结果表明，该方法在几个广泛使用的远程 sensing 数据集上具有很高的准确性。

Apr, 2023

本文研究了在航拍图像中的物体检测问题，提出了一种使用CLIP激活的学生-教师模型的开放词汇物体检测框架，通过同时生成高质量的候选区域和伪标签来提高新物体的检测性能。

Nov, 2023

使用地理坐标将无标签的遥感图像与OpenStreetMap中的丰富语义相连接，构建了一套遥感图像的综合视觉-语言数据集SkyScript，包含260万个图像-文本对，覆盖29K个不同的语义标签。通过在此数据集上进行持续预训练，我们获得了一个视觉-语言模型，相较于基准模型，在七个基准数据集上实现了6.2％的平均准确率提升，并展示了对于细粒度对象属性分类和跨模态检索的零样本迁移能力。希望该数据集可以支持遥感领域中各种多模态任务的视觉-语言模型的进展，如开放词汇分类、检索、字幕生成和文本到图像合成。

Dec, 2023

我们提供了一个全球范围、高质量、多样性广泛、描述详细的图像-文本数据集ChatEarthNet，其中包含由ChatGPT-3.5生成的163,488个图像-文本对及额外的由ChatGPT-4V生成的10,000个图像-文本对，这对于远程感知的视觉语言基础模型的训练和大型视觉语言模型的评估具有重要潜力，并将供公众使用。

Feb, 2024

本文旨在使用仅有少量示例来进行卫星图像中的目标检测，从而使用户能够使用最少的注释来指定任何目标类。我们探讨了来自开放词汇检测和遥感领域的最新方法和思路。我们基于传统的两阶段架构开发了一个少样本目标检测器，其中分类块被基于原型的分类器替代。我们使用大规模预训练模型构建类参考嵌入或原型，并与区域建议内容进行标签预测。另外，我们提出在可用的训练图像上微调原型，以提高性能并学习类似类别之间的差异，例如飞机类型。我们对包含具有挑战性和罕见对象的两个遥感数据集进行了广泛评估。此外，我们研究了视觉和图像文本特征的性能，即DINOv2和CLIP，包括专门针对遥感应用的两个CLIP模型。结果表明，视觉特征在很大程度上优于视觉语言模型，因为后者缺乏必要的领域特定词汇。最后，尽管训练参数很少，但开发的检测器在SIMD和DIOR数据集上表现出优于全监督和少样本方法的性能。

Mar, 2024

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

本研究解决了遥感图像标注复杂语言语义缺乏的问题。提出了一种利用大型语言模型从OpenStreetMap生成富有语义描述的多模态数据集的工作流程。RSTeller数据集包含超过100万幅遥感图像及其多重描述，显著降低了手动标注的工作量，推动视觉语言建模的进步。

Aug, 2024

本研究针对开放词汇图像语义分割（OVS）在遥感图像中的应用，解决了现有方法在处理遥感图像特有特征时的不足。我们提出了首个专为遥感图像设计的OVS框架，引入了旋转聚合相似度计算模块和多尺度图像特征整合，显著提升了语义分割的准确性，并建立了首个开放的遥感图像OVS基准，为研究提供了重要工具和数据支持。

Sep, 2024

本研究解决了遥感图像在像素级解释中对大量人工标注的需求这一问题。通过提出一种简单通用的上采样方法SimFeatUp，来恢复深特征中的空间信息，并通过减法操作减小局部补丁标记的全球偏差，从而在四个遥感任务上超过了现有的最新方法，平均提高了5.8%到15.3%。

Oct, 2024