Self-supervised Learning in Remote Sensing: A Review

要約

ディープラーニングの研究では、自己監視学習（SSL）が大きな注目を集めており、コンピュータービジョンとリモートセンシングの両方のコミュニティで関心が高まっています。
コンピュータビジョンで大きな成功を収めている一方で、地球観測の領域におけるSSLの可能性のほとんどはロックされたままです。
このホワイトペーパーでは、リモートセンシングのコンテキストでのコンピュータビジョンのSSLの概念と最新の開発について紹介し、レビューします。
さらに、一般的なリモートセンシングデータセットでの最新のSSLアルゴリズムの予備的なベンチマークを提供し、リモートセンシングでのSSLの可能性を検証し、データ拡張に関する拡張された研究を提供します。
最後に、両方のドメインの実りある相互作用への道を開くために、地球観測用SSL（SSL4EO）の将来の研究の有望な方向性のリストを特定します。

要約(オリジナル)

In deep learning research, self-supervised learning (SSL) has received great attention triggering interest within both the computer vision and remote sensing communities. While there has been a big success in computer vision, most of the potential of SSL in the domain of earth observation remains locked. In this paper, we provide an introduction to, and a review of the concepts and latest developments in SSL for computer vision in the context of remote sensing. Further, we provide a preliminary benchmark of modern SSL algorithms on popular remote sensing datasets, verifying the potential of SSL in remote sensing and providing an extended study on data augmentations. Finally, we identify a list of promising directions of future research in SSL for earth observation (SSL4EO) to pave the way for fruitful interaction of both domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google