據中國科學院航空航天信息研究所(AIR)稱,已開發了一種新的基礎模型,稱為RingMo,以提高遙感圖像解譯的精度。
這項研究題為“RingMo:一個具有掩蔽圖像建模的遙感基礎模型”,發表在《IEEE地球科學與遙感學報》上。
遙感圖像被應用于分類和變化檢測等領域,深度學習方法促進了遙感圖像判讀的快速發展。最廣泛使用的訓練范例是使用ImageNet預訓練模型為特定任務處理遙感數據。
然而,也存在一些問題,如自然和遙感場景之間的領域差距以及遙感模型的泛化能力差。因此,有必要開發一個具有通用遙感特征表示的基礎模型。由于有大量未標記數據可用,自監督方法在遙感中優于完全監督方法。
該研究旨在提出一個遙感基礎模型框架,該框架可以利用遙感圖像生成自監督學習的優勢。RingMo擁有一個大型數據集,通過從衛星和空中平臺收集200萬張遙感圖像構建,覆蓋了世界各地的多個場景和對象。此外,針對復雜遙感場景中的密集小目標,設計了遙感基礎模型訓練方法。
RingMo是第一個跨模態遙感數據的生成基礎模型。未來,該模型可應用于三維重建、住宅建設、交通、水利、環保等領域。