遙感圖像檢索是圖像檢索的重要領(lǐng)域,也是計(jì)算機(jī)理解圖像的重要應(yīng)用,可用于地標(biāo)檢索、環(huán)境監(jiān)測(cè)、城市規(guī)劃、災(zāi)害管理等。為了充分利用遙感圖像,迫切需要有效的信息管理,挖掘和解釋方法。自ImageNet圖像分類大賽2012年的冠軍AlexNet誕生以來(lái),以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）為主的新一代基于內(nèi)容的遙感圖像檢索技術(shù)也大幅度提高了檢索任務(wù)的準(zhǔn)確率,其中有代表性的工作如R-MAC、VLAD-CNN、Neural Codes、Deep Retrieval等。受制于現(xiàn)實(shí)世界中獲取標(biāo)注數(shù)據(jù)的巨大成本,一些新興的研究領(lǐng)域也逐漸被提出:計(jì)算機(jī)視覺中的小樣本學(xué)習(xí),當(dāng)屬最有希望解決這個(gè)問題的理論方向。與此同時(shí),在遙感圖像檢索的現(xiàn)實(shí)應(yīng)用中正好存在大量的無(wú)標(biāo)注圖像。因而,本文致力于研究遙感圖像檢索領(lǐng)域中的小樣本學(xué)習(xí)問題。本文的研究目標(biāo)即是:如何充分利用庫(kù)內(nèi)已有的歷史遙感圖片,只借助新類別圖像中的少量樣本標(biāo)簽信息,從而在極少的人工標(biāo)注下添加新的檢索類別,實(shí)現(xiàn)有效的新任務(wù)檢索,并盡量不影響舊類別的檢索效果。在此同時(shí),還需要考慮模型的計(jì)算成本,避免大開銷的額外模型訓(xùn)... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

遙感圖像檢索系統(tǒng)示意圖

浙江大學(xué)碩士學(xué)位論文第1章緒論2小樣本學(xué)習(xí)的想法來(lái)自于模仿人類可以通過極少量的樣本識(shí)別一類新物體的能力。比如小孩子只需要書中的一些圖片就可以認(rèn)識(shí)什么是“斑馬”，什么是“犀牛”。在人類的快速學(xué)習(xí)能力的啟發(fā)下，研究人員希望機(jī)器學(xué)習(xí)模型在學(xué)習(xí)了一定類別的大量數(shù)據(jù)后，對(duì)于新的類別，只需要少量的樣本就能快速學(xué)習(xí)，這就是小樣本學(xué)習(xí)要解決的問題。因?yàn)槟壳按蟛糠中颖緦W(xué)習(xí)的研究集中于小樣本圖像分類領(lǐng)域，我們這里通過小樣本圖像分類的例子來(lái)介紹小樣本學(xué)習(xí)任務(wù)。圖1.2小樣本圖像分類問題示意圖一個(gè)具體的小樣本分類任務(wù)通常被稱為N-wayK-shot問題，即要求模型從N×K個(gè)已標(biāo)注數(shù)據(jù)中學(xué)會(huì)如何區(qū)分這N個(gè)類別。如圖1.2所示，在一個(gè)N-wayK-shot問題中，模型的訓(xùn)練集會(huì)包含很多的類別，其類別數(shù)量記為M。在模型訓(xùn)練完成之后，在全新的N個(gè)類別上會(huì)給出支持集和測(cè)試集兩個(gè)數(shù)據(jù)集。其中支持集包含N個(gè)類別，每個(gè)類別K個(gè)已標(biāo)注樣本（總共N×K個(gè)數(shù)據(jù)）。通過快速適配支持集中已標(biāo)注的N×K個(gè)數(shù)據(jù)，模型需要對(duì)測(cè)試集中這N個(gè)新類別的大量無(wú)標(biāo)注圖像進(jìn)行正確的分類。

浙江大學(xué)碩士學(xué)位論文第1章緒論4少的專家知識(shí)有效地標(biāo)注遙感圖像，使其完成新任務(wù)下的檢索功能，是一個(gè)重要且不可避免的問題。二、重新訓(xùn)練模型開銷大，不穩(wěn)定。對(duì)于每次新類型圖像的入庫(kù)，模型需要對(duì)庫(kù)中圖像進(jìn)行重新訓(xùn)練并重新進(jìn)行特征抽取，這會(huì)帶來(lái)訓(xùn)練時(shí)間長(zhǎng)，資源占用多的問題，不利于數(shù)據(jù)庫(kù)中圖像類別的擴(kuò)展。因此，如何泛化模型，同時(shí)盡量減少額外的訓(xùn)練，也是我們需要考慮的問題。圖1.3研究目標(biāo)示意圖針對(duì)上述情況帶來(lái)的問題，本文研究的是如何充分利用庫(kù)內(nèi)已有的歷史遙感圖片，只借助新類別圖像中的少量樣本標(biāo)簽信息，從而在極少的人工標(biāo)注下添加新的檢索類別，實(shí)現(xiàn)有效的新任務(wù)檢索。在此同時(shí)，還需要提高模型的泛化能力，避免額外訓(xùn)練模型的巨大開銷。本文研究的遙感圖像檢索的小樣本學(xué)習(xí)問題，因此新入庫(kù)的圖像數(shù)量可以是幾千張、幾百?gòu)�，甚至幾張或一張，其中只需要�?duì)每個(gè)類別標(biāo)注極少量的圖像（如5張，又或1張），而其他新增類別的圖像可不帶標(biāo)簽信息。

【參考文獻(xiàn)】：
期刊論文
[1]空間特征在遙感影像分析中的應(yīng)用[J]. 魯學(xué)軍,王欽敏,明冬萍,王晶,徐志剛.  中國(guó)圖象圖形學(xué)報(bào). 2004(06)

碩士論文
[1]基于深度學(xué)習(xí)的遙感圖像檢索方法研究[D]. 劉雪瑩.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017



本文編號(hào)：3057870