要約
深層学習研究の中で、自己教師あり学習（SSL）は、コンピュータ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興味を引き起こし、大きな注目を集めている。コンピュータビジョンでは大きな成功を収めているが、地球観測の分野ではSSLの可能性のほとんどが未解決のままである。本論文では、リモートセンシングの文脈におけるコンピュータビジョンのためのSSLの概念と最新の開発についての紹介とレビューを提供する。さらに、一般的なリモートセンシングデータセットにおける最新のSSLアルゴリズムの予備的ベンチマークを提供し、リモートセンシングにおけるSSLの可能性を検証し、データ補強に関する拡張研究を提供する。最後に、地球観測のためのSSL（SSL4EO）における将来の研究の有望な方向性のリストを特定し、両領域の実りある相互作用への道を切り開く。
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
| 著者 | Yi Wang,Conrad M Albrecht,Nassim Ait Ali Braham,Lichao Mou,Xiao Xiang Zhu |
| 発行日 | 2022-09-02 08:48:34+00:00 |
| arxivサイト | arxiv_id(pdf) |