| 遥感影像样本数据集研究综述 |
| |
| 引用本文： | 冯权泷,陈泊安,李国庆,姚晓闯,高秉博,张连翀.遥感影像样本数据集研究综述[J].遥感学报,2022,26(4):589-605. |
| |
| 作者姓名： | 冯权泷 陈泊安 李国庆 姚晓闯 高秉博 张连翀 |
| |
| 作者单位： | 1.中国农业大学 土地科学与技术学院, 北京 100083;2.农业部农业灾害遥感重点实验室, 北京 100083;3.资源与环境信息系统国家重点实验室, 北京 100101;4.中国科学院空天信息创新研究院, 北京 100094 |
| |
| 基金项目： | 国家重点研发计划（编号：2018YFE0122700）；国家自然科学基金（编号：42001367）；资源与环境信息系统国家重点实验室开放基金 |
| |
| 摘 要： | 随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展，基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式，其对样本数据的规模、质量、多样性等提出了更高要求。最近，国内外众多学者和研究机构相继发布了一系列遥感影像样本数据集，为大数据时代下遥感影像的信息提取和智能解译等奠定了研究基础。然而目前尚缺乏对上述影像样本数据集的综合分析，针对这一问题，本文在文献检索与分析的基础上，归纳总结了124个具有一定影响力且应用广泛的遥感影像样本数据集并对其元数据进行了分析，并提供了数据来源、应用领域与关键词的发展变化，分析了数据集在空间、时间、光谱分辨率上的差异，以应用领域为依据将其划分为场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割等8个类别并以部分数据为例进行了具体分析，总结了深度学习模型在数据集上的研究进展，并针对稀疏样本导致的模型过拟合问题，探讨了样本时空迁移、小样本和零样本学习、样本主动发现、样本生成等在遥感影像信息提取中的应用前景。本文首次对遥感影像样本数据集进行了综述研究，可为相关领域科研人员提供数据参考。
|
| 关 键 词： | 遥感影像 样本数据集 机器学习 深度学习 |
| 收稿时间： | 2021/3/29 0:00:00 |
A review for sample datasets of remote sensing imagery |
| |
| FENG Quanlong,CHEN Boan,LI Guoqing,YAO Xiaochuang,GAO Bingbo,ZHANG Lianchong.A review for sample datasets of remote sensing imagery[J].Journal of Remote Sensing,2022,26(4):589-605. |
| |
| Authors: | FENG Quanlong CHEN Boan LI Guoqing YAO Xiaochuang GAO Bingbo ZHANG Lianchong |
| |
| Institution: | 1.College of Land Science and Technology, China Agricultural University, Beijing 100083, China;2.Key Laboratory of Remote Sensing for Agri-Hazards, Ministry of Agriculture, Beijing 100083, China;3.State Key Laboratory of Resources and Environmental Information System, Beijing 100101, China;4.Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing imagery sample datasets machine learning deep learning |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
