The Gap Is in the Geometry: A Convergent Meta-Analysis of Multi-Facet Aerial and Remote Sensing Video Understanding
Harokopio University of Athens（哈罗基皮奥雅典大学）；University of West Attica（西阿提卡大学）；CentraleSupelec（中央苏佩莱克学院）
本研究通过元分析发现航空遥感视频评估方法存在偏差，参数规模对准确率提升有限，采集条件影响显著，提出五条可证伪原则及AVU-Card报告卡。
2026-10-13 cs.CV
AID: A Benchmark Dataset for Performance Evaluation of Aerial Scene Classification
Wuhan University（武汉大学）；Huazhong University of Science and Technology（华中科技大学）
航空场景分类是理解高分辨率遥感影像的基础问题，其目的是自动地为航空影像标注特定的语义类别。近年来，遥感图像的自动识别已成为遥感领域的一个研究热点，提出了大量的算法，包括机器学习和数据驱动的方法。然而，现有的航空场景分类数据集，如UC-Merced数据集和WHU-RS 19数据集的大小相对较小，并且它们的结果已经饱和。这在很大程度上限制了场景分类算法的发展。本文介绍了航空图像数据集（AID）：一个大规模的数据集航空场景分类。AID的目标是推进遥感图像场景分类的最新技术。为了创建AID，我们收集并注释了上万幅航空场景图像。此外，对现有的空中场景分类技术以及最近广泛使用的深度学习方法进行了全面回顾。最后，我们提供了一个典型的航空场景分类和深度学习方法在AID上的性能分析，这可以作为基准测试的基线结果。
2016-08-18 cs.CV
Correlation Filters for Unmanned Aerial Vehicle-Based Aerial Tracking: A Review and Experimental Evaluation
Tongji University（同济大学）；Tsinghua University（清华大学）
航空跟踪是遥感领域最活跃的应用之一，它以其无所不在的奉献精神和卓越的性能得到了广泛的应用。特别是基于无人机（UAV）的遥感系统，采用视觉跟踪方式，已广泛应用于航空、航海、农业、交通、公安等领域。如前所述，无人机空中跟踪平台已从研究阶段逐步发展到实际应用阶段，成为未来航空遥感的主要技术之一。然而，由于现实世界的繁重情况，例如，恶劣的外部挑战、无人机机械结构的振动（尤其是在强风条件下）、复杂环境下的机动飞行以及机载计算资源的有限性，对机载跟踪方法的准确性、鲁棒性和高效性都至关重要。近年来，基于判别相关滤波器（DCF）的跟踪器以其高计算效率和在单CPU上的鲁棒性而脱颖而出，在无人机视觉跟踪领域得到了蓬勃发展。本文首先概括了基于DCF的跟踪器的基本框架，在此基础上，根据它们在解决各种问题上的创新点，对23种最新的基于DCF的跟踪器进行了分类总结。此外，详尽的和定量的实验已经扩展到各种流行的无人机跟踪基准，即，UAV 123、UAV123@10fps、UAV 20 L、UAVDT、DTB 70和VisDrone 2019-SOT，总共包含371，903帧。通过实验验证了基于DCF的机载无人机跟踪器的性能、可行性和当前面临的挑战。
2022-05-24 cs.CV cs.RO eess.IV
Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision
The University of Melbourne（墨尔本大学）；Royal Netherlands Meteorological Institute (KNMI)（荷兰皇家气象研究所）；University of Melbourne（墨尔本大学）；Environment Protection Authority Victoria（维多利亚州环境保护局）
利用计算机视觉分析俯视图像是一个在学术文献中受到相当关注的问题。在这个领域中运行的大多数技术都是高度专业化的，并且需要对大型数据集进行昂贵的手动注释。这些问题在这里通过开发一个更通用的框架，结合表示学习的进步，它允许更灵活地分析新类别的图像有限的标记数据。首先，一个强大的表示的未标记的航空影像数据集创建的基础上的动量对比机制。这随后专门用于不同的任务，通过构建精确的分类器，只有200个标记的图像。从6000万张未标记的图像中成功地对10年来的城市基础设施演变进行了低水平检测，证明了我们的方法在推进定量城市研究方面的巨大潜力。
2022-08-17 cs.CV
DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）；Tsinghua University（清华大学）
提出DisDop框架，通过从遥感基础模型（RemoteCLIP和DINOv3）中系统蒸馏多级领域先验知识到轻量级检测器，实现开放词汇航空目标检测的最新性能。
2026-05-23 cs.AI cs.CV
ZoRI: Towards Discriminative Zero-Shot Remote Sensing Instance Segmentation
Nanyang Technological University（南洋理工大学）；Shanghai University of Finance and Economics（上海财经大学）
提出零样本遥感实例分割任务及ZoRI框架，通过判别性增强分类器、知识保持自适应策略和先验注入预测，实现遥感图像中未见空中目标的准确分割，达到最先进性能。
2024-12-17 cs.CV
AVION: Aerial Vision-Language Instruction from Offline Teacher to Prompt-Tuned Network
The University of British Columbia, Okanagan（不列颠哥伦比亚大学奥克兰分校）；The Ohio State University（俄亥俄州立大学）；TerraSense Analytics（TerraSense分析）
AVION提出一种知识蒸馏框架，通过构建语义丰富的文本原型和轻量级提示，提升视觉语言模型在遥感图像中的适应能力，提升少样本分类和跨模态检索性能。
2026-03-13 cs.CV
Fully Convolutional Networks for Dense Semantic Labelling of High-Resolution Aerial Imagery
Defence Science & Technology Group（国防科学技术集团）
高分辨率遥感图像的趋势促进了从土地使用分类向物体一级场景理解的过渡。而不是纯粹依赖于光谱内容，基于外观的图像特征发挥作用。在这项工作中，深度卷积神经网络（CNN）应用于高分辨率遥感数据的语义标记。全卷积网络（FCN）的最新进展适用于开销数据，并与其他领域一样有效。使用深度FCN推断全分辨率标记，无需下采样，从而无需反卷积或插值。为了更好地利用图像特征，预先训练的CNN在混合网络环境中对遥感数据进行微调，与从头开始训练的网络相比，结果更好。所提出的方法适用于高分辨率航空影像，精细的边界细节是很重要的标签的问题。密集的标签为ISPRS Vaihingen和波茨坦基准数据集提供了最先进的准确性。
2016-06-08 cs.CV
Towards Open-Set Semantic Segmentation of Aerial Images
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Stirling（斯特灵大学）
经典和最近的深度计算机视觉方法针对可见光谱图像进行了优化，这些图像通常以从智能手机或相机获取的灰度或RGB颜色空间进行编码。在遥感领域利用的一种较不常见的图像来源是卫星和航空图像。然而，这些数据的模式识别方法的发展是相对较新的，主要是由于这类图像的可用性有限，因为直到最近它们还专门用于军事目的。获得航空图像，包括光谱信息，一直在增加，主要是由于无人机的成本低，成像卫星发射成本便宜，和新的公共数据集。通常遥感应用采用严格建模的闭集场景下的分类任务的计算机视觉技术。然而，现实世界的任务很少适合封闭集上下文，经常呈现以前未知的类，将它们描述为开放集场景。针对这一问题，本文首次研究和发展了遥感图像开集场景的语义分割技术。本文的主要贡献是：1）开集语义分割的相关工作的讨论，这些技术可以适用于开集遥感任务的证据; 2）开发和评估一种新的方法，开集语义分割。我们的方法产生了竞争力的结果相比，闭集方法相同的数据集。
2020-01-27 cs.CV
LOANet: A Lightweight Network Using Object Attention for Extracting Buildings and Roads from UAV Aerial Remote Sensing Images
School of Medical Instruments, Shanghai University of Medicine and Health Sciences（上海健康医学院医疗器械学院）；School of Health Sciences and Engineering, University of Shanghai for Science and Technology（上海理工大学健康科学与工程学院）；Shanghai Children’s Medical Center, School of Medicine, Shanghai Jiao Tong University（上海交通大学医学院附属上海儿童医学中心）；School of Communication & Electronic Engineering, East China Normal University（华东师范大学通信与电子工程学院）；Institute of Seismology, China Earthquake Administration（中国地震局地震研究所）
本文提出轻量级网络LOANet，通过LDCNet编码器和结合ASPP、OAM及FPN的解码器，在极低参数量下实现无人机遥感图像中建筑物与道路的高精度语义分割。
2023-07-06 cs.CV
AI-driven Structure Detection and Information Extraction from Historical Cadastral Maps (Early 19th Century Franciscean Cadastre in the Province of Styria) and Current High-resolution Satellite and Aerial Imagery for Remote Sensing
University of Graz（格拉茨大学）；Know Center, Graz（格拉茨知识中心）
针对19世纪地籍资料利用难度大的问题，研究训练了CNN与Vision Transformer等深度学习模型，用于从历史地籍图与遥感影像中提取信息，并开发浏览器工具助力相关研究与文化遗产保护。
2023-12-08 cs.CV cs.LG
Creating Ensembles of Classifiers through UMDA for Aerial Scene Classification
Institute of Science and Technology – Universidade Federal de Sao Paulo（圣保罗联邦大学科学与技术学院）
本文研究航空场景分类，评估六种 DML 方法与四种预训练 CNN，并利用 UMDA 进化算法构建多样化分类器集成，在三个遥感数据集上显著提升准确率。
2024-04-03 cs.CV cs.LG
Recent advances and opportunities in scene classification of aerial images with deep models
Wuhan University（武汉大学）
场景分类是遥感图像解译的基础性工作，因其在广泛应用中的重要作用而成为遥感界的研究热点。在过去的几年里，人们为开发遥感图像场景分类的强大方法做出了巨大的努力，从传统的视觉词袋模型发展到新一代的深度卷积神经网络（CNN）。基于深度CNN的方法在性能上表现出了显着的突破，大大优于以前强烈依赖手工特征的方法。然而，深度CNN的性能在现有的公共场景数据集上逐渐趋于稳定，这是由于这些数据集的显著缺点，例如训练样本的规模小和多样性低。因此，为了促进新方法的发展，使场景分类任务更进一步，我们深入探讨了场景分类任务中存在的问题，并相应地提出了三个开放的方向。我们相信这些潜在的方向将对该领域的研究人员具有指导意义。
2018-06-04 cs.CV
ARSGaussian: 3D Gaussian Splatting with LiDAR for Aerial Remote Sensing Novel View Synthesis
ARSGaussian通过整合LiDAR点云约束，改进3D高斯点分布方法，解决航空遥感中视角合成的漂浮物和过度生长问题，提升几何估计精度。
2026-03-10 cs.CV cs.GR
Focusing on Shadows for Predicting Heightmaps from Single Remotely Sensed RGB Images with Deep Learning
CYENS Center of Excellence（CYENS卓越中心）
在单张遥感影像中估算建筑物和植被的高度图是一个具有挑战性的问题。这个问题的有效解决方案可以包括解决复杂和苛刻的问题，需要在遥感学科的航空图像的三维信息，这可能是昂贵的或不可行的要求的垫脚石。我们提出了一个以任务为中心的深度学习（DL）模型，该模型利用遥感图像的阴影图来计算其高度图。阴影被有效地计算，并且不会显著增加计算复杂度。该模型使用航空图像及其激光雷达测量进行训练，在任务中实现了卓越的性能。我们使用覆盖英国曼彻斯特大面积的数据集以及2018年IEEE GRSS数据融合竞赛激光雷达数据集来验证该模型。我们的工作表明，建议的DL架构和技术注入阴影的信息到模型中是有价值的，以提高单遥感图像的高度图估计任务。
2021-04-22 cs.CV cs.LG
An Empirical Study of Remote Sensing Pretraining
Wuhan University（武汉大学）；The University of Sydney（悉尼大学）；JD Explore Academy（京东探索研究院）
该研究针对ImageNet预训练与航空图像存在域差距的问题，基于MillionAID数据集训练多种遥感预训练骨干网络，实证其对下游任务的提升作用及任务差异局限，为后续遥感预训练研究提供参考。
2023-05-04 cs.CV
AirSpatialBot: A Spatially-Aware Aerial Agent for Fine-Grained Vehicle Attribute Recognization and Retrieval
Department of Electronic Engineering, Shanghai Jiao Tong University（电子工程系，上海交通大学）；Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学）
AirSpatialBot通过空间感知的VLM和两阶段训练策略，实现细粒度车辆属性识别与检索，解决遥感图像中的空间理解难题。
2026-01-04 cs.CV
LOGOS: Language-guided Oriented Object Detection in Aerial Scenes
University of Science, VNU-HCM, Vietnam（越南国家大学科学大学）；Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学）
针对航空场景目标检测难题，提出基于Transformer的LOGOS方法，利用文本提示引导检测，通过提示调制内容查询动态调整焦点，经DOTA数据集实验验证，该方法优于现有技术，提升了遥感应用中定向目标检测的性能。
2026-07-10 cs.CV
Deep Multimodal Fusion for Semantic Segmentation of Remote Sensing Earth Observation Data
Faculty of Computer Science and Engineering（计算机科学与工程学院）；University Ss Cyril and Methodius（圣西里尔与美多德大学）
本文提出后期融合深度学习模型LF-DLM，结合VHR航空影像与Sentinel-2时间序列的互补优势，在FLAIR基准上取得最优语义分割结果。
2024-10-01 cs.CV
ESFNet: Efficient Network for Building Extraction from High-Resolution Aerial Images
Northeast Forestry University（东北林业大学）；Embry-Riddle Aeronautical University（安柏瑞德航空大学）
从高分辨率航空影像中提取建筑物足迹一直是城市动态监测、规划和管理的重要组成部分。这也是遥感研究中的一项具有挑战性的任务。近年来，深度神经网络在提高遥感影像建筑物提取精度方面取得了很大的成就。然而，现有的大多数方法通常需要大量的参数和浮点运算才能达到高精度，这导致了高内存消耗和低推理速度，不利于研究。在本文中，我们提出了一种新的高效网络命名为ESFNet，它采用可分离因子分解的残差块，并利用扩张卷积，旨在保持轻微的精度损失，低计算成本和内存消耗。我们的ESFNet在准确性和效率之间获得了更好的权衡，它可以在单个Tesla V100上以超过100 FPS的速度运行，所需的FLOP比最先进的实时架构ERFNet少6倍，参数少18倍，同时保持类似的准确性，而无需任何额外的上下文模块，后处理和预训练方案。我们在WHU Building Dataset上评估了我们的网络，并将其与其他最先进的架构进行了比较。综合分析表明，该网络有利于有效的遥感研究，并可进一步推广到其他领域。该代码可在https://github.com/mrluin/ESFNet-Pytorch上公开获取
2019-04-19 cs.CV
Detection and Prediction of Nutrient Deficiency Stress using Longitudinal Aerial Imagery
Intelinair, Inc.（Intelinair公司）
早期精确检测营养缺乏胁迫（NDS）具有重要的经济和环境影响;精确施用化学品代替全面施用可降低种植者的运营成本，同时减少可能不必要地进入环境的化学品数量。此外，较早的处理减少了损失量，因此提高了特定季节的作物产量。考虑到这一点，我们收集序列的高分辨率航空影像和构建语义分割模型来检测和预测NDS在整个领域。我们的工作处于农业、遥感、现代计算机视觉和深度学习的交叉点。首先，我们建立了NDS全场检测的基线，并量化了预训练，骨干架构，输入表示和采样策略的影响。然后，我们量化的信息量在不同的时间点在本赛季建立一个单一的时间戳模型的基础上UNet。接下来，我们构建了我们提出的时空架构，该架构将UNet与卷积LSTM层相结合，以准确检测显示NDS的字段区域;这种方法的IOU得分为0.53。最后，我们证明了这种架构可以被训练来预测预计在以后的飞行中显示NDS的区域-可能在未来三周以上-保持0.47-0.51的IOU分数，这取决于预测的提前程度。我们还将发布一个数据集，我们相信这将有利于计算机视觉，遥感和农业领域。这项工作有助于遥感和农业深度学习的最新发展，同时解决了一个对经济和可持续性有影响的关键社会挑战。
2022-11-15 cs.CV cs.LG eess.IV
Improvised Aerial Object Detection approach for YOLOv3 Using Weighted Luminance
Sri Sai Ram Engineering College（斯里赛拉姆工程学院）
航空成像在无人机和卫星成像系统的导航和数据采集中起着至关重要的作用。最近几天，无人机的使用在几个应用中已经升级，这些应用不仅限于监视，交付系统，空战和农业活动。地面目标的航空成像是极具挑战性的，因为各种因素影响光通过不同介质的传播。几种基于卷积神经网络的目标检测算法在应用于航空成像和遥感领域时要求更高的鲁棒性。为了处理光传播对时间和太阳辐射的不利影响，引入了基于加权亮度的灰度成像自适应RGB滤波器，广泛地解决了瑞利散射效应的问题。容易被瑞利散射减弱的物体的图像在不同的时区被获取。采集的图像被精确标记，并接受训练和验证。实验结果表明，与传统的YOLOv3方法相比，该方法能够更准确、更有效地检测目标。
2022-12-20 cs.CV eess.IV
BOSC: A toolbox for aerial imagery mapping
本文提出BOSC航空影像制图工具箱，旨在利用丰富的无人机和卫星资源，帮助研究人员高效、准确地标注和处理航空影像，以支持作物识别、土地利用制图等决策任务。
2024-06-09 cs.CV
AeroReformer2: Spoken-Query Referring Segmentation for Aerial Images
Massachusetts Institute of Technology（麻省理工学院）；The University of Manchester（曼彻斯特大学）；The Hong Kong Polytechnic University（香港理工大学）
本文针对现有指称遥感图像分割基准仅支持书面表达的问题，构建了首个语音查询指称分割基准RISBench-S，并提出高效双边网络模型AeroReformer2，在相关任务上取得优于基线的性能。
2026-08-14 cs.CV
Unmanned Aerial Systems for Wildland and Forest Fires
Université de Moncton（蒙克顿大学）；Universidad Técnica Federico Santa María（费德里科圣玛丽亚技术大学）
野火是一种重要的自然风险，造成经济损失、人员死亡和严重的环境破坏。近年来，我们目睹了火灾强度和频率的增加。为制定荒地和森林火灾援助和灭火的专门解决方案进行了研究。提出了远程探测和跟踪火灾的系统。这些系统在有效的数据汇集和小规模环境中的火灾特征方面已经显示出改进。然而，野火覆盖大面积，使一些拟议的地面系统不适合最佳覆盖范围。为了解决这个问题，无人机系统（UAS）被提出。无人机系统由于其可操纵性而证明是有用的，可以进行遥感、分配战略和任务规划。它们可以为消防的预防、检测和实时支持提供低成本的替代方案。在本文中，我们回顾了以前的工作有关使用无人机在野火。机载传感器仪器，火灾感知算法和协调策略。此外，我们提出了一些最近的框架，建议使用飞行器和无人驾驶地面车辆（UV）在更大范围内更有效的荒地消防战略。
2021-03-05 cs.CV cs.LG cs.RO
CP2M: Clustered-Patch-Mixed Mosaic Augmentation for Aerial Image Segmentation
Northwestern University（西北大学）；Carnegie Mellon University（卡内基梅隆大学）；The University of Hong Kong（香港大学）；Duke University（杜克大学）；University College Dublin（都柏林大学学院）；Beijing University of Technology（北京工业大学）；The ADAPT SFI Research Centre（ADAPT SFI研究中心）
本文提出CP2M数据增强策略，结合Mosaic增强与聚类补丁混合阶段，利用连通分量标记算法保持空间连贯性，在ISPRS Potsdam数据集上显著缓解过拟合并提升分割精度与模型鲁棒性。
2025-01-26 cs.CV
Hybrid Multiple Attention Network for Semantic Segmentation in Aerial Images
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）；University of Chinese Academy of Sciences（中国科学院大学）；School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）
超高分辨率航空影像的语义分割是遥感影像理解中最具挑战性的任务之一。目前的大多数方法都是基于深度卷积神经网络（DCNN）的。然而，局部感受野的标准卷积无法对全局依赖性进行建模。先前的研究表明，基于注意力的方法可以捕获长范围的依赖关系，并进一步重建的特征图更好的表示。然而，受限于空间和通道注意力的单一视角以及自注意力机制的巨大计算复杂度，难以对复杂光谱遥感数据中各像元之间的语义相关性进行有效建模。在这项工作中，我们提出了一种新的基于注意力的框架命名为混合多注意力网络（HMANet），以自适应地捕捉全局相关性的角度来看，空间，通道和类别在一个更有效和高效的方式。具体地，嵌入有类通道注意力（CCA）模块的类增强注意力（CAA）模块可以用于计算基于类别的相关性并重新校准类级信息。此外，我们引入了一个简单而有效的区域洗牌注意力（RSA）模块，以减少特征冗余，提高效率的自我注意力机制，通过区域明智的表示。ISPRS Vaihingen和波茨坦基准上的大量实验结果表明，我们的HMANet的有效性和效率超过其他国家的最先进的方法。
2020-09-15 cs.CV eess.IV
Rotation Invariant Aerial Image Retrieval with Group Convolutional Metric Learning
Korea University（高丽大学）
遥感图像检索（RSIR）是根据与查询图像的相似程度对数据库图像进行排序的过程。由于RSIR的复杂性增加，由于在拍摄范围，角度和遥感器的位置的多样性，有一个越来越多的方法来解决这些问题，提高检索性能的需求。在这项工作中，我们介绍了一种新的方法，检索航空图像合并组卷积与注意力机制和度量学习，导致旋转变化的鲁棒性。为了细化和强调重要特征，我们在每个组卷积阶段应用了通道注意力。通过利用群卷积和通道注意的特性，可以确认旋转但位置相同的图像之间的平等性。训练过程有两个主要步骤：（i）用航空图像数据集（AID）训练网络进行分类，（ii）用Google Earth韩国和NWPU-RESISC 45数据集对网络进行微调。实验结果表明，该方法在旋转环境和原始环境下的检索性能均优于其他最先进的检索方法。此外，我们利用类激活映射（CAM）可视化我们的方法和基线之间的主要特征的显着差异，从而在旋转环境中有更好的适应性。
2020-10-19 cs.CV
Centroid-UNet: Detecting Centroids in Aerial Images
Geoinformatics Center, Asian Institute of Technology（亚洲理工学院地理信息学中心）
在航空/卫星图像分析（遥感）的许多应用中，生成物体的精确形状是一项繁琐的任务。在大多数遥感应用中，例如计数对象，只需要对象的位置估计。因此，在航空/卫星图像中定位物体质心是一种简单的解决方案，用于不需要物体精确形状的任务。因此，本研究的重点是评估使用深度神经网络定位卫星图像中的物体质心的可行性。我们的模型名称是Centroid-UNet。Centroid-UNet模型基于经典的U-Net语义分割架构。我们修改和适应的U-Net语义分割架构到一个质心检测模型，保留了原始模型的简单性。此外，我们已经测试和评估我们的模型与两个案例研究，涉及航空/卫星图像。这两个案例研究分别是建筑物重心检测案例研究和椰子树重心检测案例研究。与其他方法相比，我们的评估结果达到了很好的准确性，也提供了简单。根据本研究开发的代码和模型也可在Centroid-UNet GitHub存储库中获得：https://github.com/gicait/centroid-unet
2021-12-13 cs.AI cs.CV cs.LG
EmergencyNet: Efficient Aerial Image Classification for Drone-Based Emergency Monitoring Using Atrous Convolutional Feature Fusion
KIOS Research and Innovation Center of Excellence（KIOS研究与创新卓越中心）；University of Cyprus（塞浦路斯大学）
基于深度学习的算法可以为无人驾驶飞行器（UAV）/无人机等遥感技术提供最先进的准确性，从而可能增强其在许多应急响应和灾害管理应用中的遥感能力。特别是，配备相机传感器的无人机可以在偏远且难以进入的受灾地区运行，分析图像并在存在各种灾害（如倒塌的建筑物，洪水或火灾）时发出警报，以便更快地减轻其对环境和人口的影响。然而，深度学习的集成引入了繁重的计算需求，阻止了在许多对推理施加低延迟约束的场景中部署这种深度神经网络，以便实时的做出关键任务决策。为此，本文重点研究了用于应急响应/监测应用的机载无人机的有效空中图像分类。具体来说，一个专门的航空图像数据库的应急响应应用程序的介绍和现有的方法进行比较分析。通过这种分析，提出了一种轻量级的卷积神经网络架构，称为EmergencyNet，基于atrous卷积来处理多分辨率特征，能够在低功耗嵌入式平台上高效运行，与现有模型相比，性能提高20倍，内存需求最小，与最先进的模型相比，精度下降不到1%。
2021-04-28 cs.CV cs.LG cs.RO
Geometry-Aware Segmentation of Remote Sensing Images via Implicit Height Estimation
New York University（纽约大学）；NYU Abu Dhabi（纽约大学阿布扎比分校）
最近的研究表明，使用额外的高程数据（例如，DSM）用于增强航空图像的语义分割的性能。然而，以前的方法大多采用3D高程信息作为额外的输入。然而在许多实际应用中，人们手头没有相应的DSM信息，并且所获取的DSM图像的空间分辨率通常与航空图像不匹配。为了减轻这种数据约束，并利用三维高程信息，在本文中，我们引入了一个几何感知的分割模型，通过联合高度估计实现准确的语义标记的航空图像。我们设计了一个单独的解码器分支来预测高度图，并使用DSM图像作为侧监督来训练这个新设计的解码器分支，而不是使用单流编码器-解码器网络进行语义标记。通过这种方式，我们的模型不需要DSM作为模型输入，并且在训练期间仍然受益于有用的3D几何信息。此外，我们开发了一个新的几何感知卷积模块，融合了高度解码器分支的3D几何特征和语义分割分支的2D上下文特征。融合的特征嵌入可以产生具有增强性能的几何感知分割图。我们的模型使用DSM图像作为侧监督进行训练，而在推理阶段，它不需要DSM数据，直接以端到端的方式预测语义标签。在ISPRS Vaihingen和Potsdam数据集上的实验表明，该方法对航空影像的语义分割是有效的。该模型在两个数据集上都取得了显着的性能，而无需使用任何手工制作的功能或后处理。
2020-09-22 cs.CV
Binary Patterns Encoded Convolutional Neural Networks for Texture Recognition and Remote Sensing Scene Classification
Aalto University School of Science（阿尔托大学科学学院）；Linköping University（林雪平大学）；Universitat Autonoma de Barcelona（巴塞罗那自治大学）；VTT Technical Research Centre of Finland Ltd（芬兰VTT技术研究中心有限公司）
设计对真实成像条件具有鲁棒性的有鉴别力的强大纹理特征是一个具有挑战性的计算机视觉问题，具有许多应用，包括卫星或航空图像的材料识别和分析。过去，大多数纹理描述方法都是基于局部特征的稠密无序统计分布。然而，最近的纹理识别和遥感场景分类的方法是基于卷积神经网络（CNN）。学习这些CNN模型时的实际做法是使用RGB补丁作为输入，并在大量标记数据（ImageNet）上进行训练。在本文中，我们展示了二进制模式编码的CNN模型，代号为TEX-Nets，使用具有显式纹理信息的映射编码图像进行训练，为标准RGB深度模型提供补充信息。此外，两个深度架构，即早期和后期融合，研究结合纹理和颜色信息。据我们所知，我们是第一个研究二进制模式编码CNN和不同深度网络融合架构的人，用于纹理识别和遥感场景分类。我们进行全面的实验上的四个纹理识别数据集和四个遥感场景分类基准：UC-Merced与21个场景类，WHU-RS 19与19个场景类，RSSCN 7与7类和最近推出的大规模航空影像数据集（AID）与30个航空场景类型。我们证明了TEX-Nets为相同网络架构的标准RGB深度模型提供了补充信息。与标准RGB网络相比，我们的后期融合TEX-Net架构在两个识别问题上都提高了整体性能。我们的最终组合优于最先进的技术，而不采用微调或RGB网络架构的合奏。
2018-03-26 cs.CV
Long-Duration Fully Autonomous Operation of Rotorcraft Unmanned Aerial Systems for Remote-Sensing Data Acquisition
University of Washington（华盛顿大学）；Alpen-Adria-Universität Klagenfurt（克拉根福阿尔卑斯-亚德里亚大学）；Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）；ETH Zürich（苏黎世联邦理工学院）
最近将无人驾驶航空系统应用于精准农业，表明在精确的远程地点收集数据汇集更加容易和高效。然而，进一步增强场需要长时间段（例如，数天或数周）的操作。由于这种平台的飞行时间有限，并且需要人在回路中进行操作，因此迄今为止这是不切实际的。为了克服这些限制，我们提出了一种完全自主的旋翼无人机系统，能够在没有任何人为干预的情况下执行长期观察任务的重复飞行。我们解决了对这样一个系统至关重要的两个关键技术：完全的平台自主性，使任务执行独立于人类操作员，以及基于视觉的精确降落在充电站上进行自动能量补充的能力。高层次的自主决策实现为主，从状态机的层次结构。基于视觉的精确着陆是通过使用一束AprilTag基准点来估计着陆垫的姿态来实现的，该基准点被配置用于从宽范围的高度进行检测。我们提供了一个广泛的评估的着陆垫姿态估计精度作为一个功能的束的几何形状。通过两个室内实验，持续时间为11和10.6小时，和一个室外实验，持续时间为4小时，证明了完整系统的功能。在这些实验中，无人机系统分别执行了16次、48次和22次飞行。在室外实验中，飞行收集数据和充电之间的比例为1比10，这与该领域过去的工作相似。所有的飞行都是完全自主的，没有人类参与。据我们所知，这是第一篇关于四旋翼系统在没有人为交互的情况下长期户外运行的研究出版物。
2019-08-18 cs.CV cs.RO cs.SY
Contrastive ground-level image and remote sensing pre-training improves representation learning for natural world imagery
Stanford University（斯坦福大学）；Howard Hughes Medical Institute（霍华德·休斯医学研究所）；Carnegie Science（卡内基科学研究所）；University of California, Berkeley（加州大学伯克利分校）
本文提出 CRISP 对比预训练任务和 NMV 数据集，利用地面与遥感图像多视图对比学习提升物种细粒度识别性能，即使仅有一类视图也能改进表示学习。
2024-09-28 cs.CV
An Aerial Image Recognition Framework using Discrimination and Redundancy Quality Measure
National University of Singapore（新加坡国立大学）
航空图像分类在遥感和人工智能中发挥着不可或缺的作用。在本文中，我们提出了一个新的航空图像分类框架，专注于组织每个航空图像的局部补丁到多个判别子图。子图既反映了航空影像的几何特性，又反映了航空影像的色彩分布。首先，每个空间图像被分解成一个集合的区域在其颜色强度。由此，区域连通图（RCG），它模拟空间相邻区域之间的连接，编码的空间上下文的航空图像。其次，采用子图挖掘技术，发现从训练的航空影像构造的RCG中的频繁结构。此后，一组细化的结构中选择的频繁的是高歧视性和低冗余。最后，给定一幅新的航拍图像，提取其与细化结构相对应的子RCG。它们被进一步量化为SVM分类的判别向量。实验结果验证了该方法的有效性。此外，可视化的挖掘子图显示，每个航空图像的判别拓扑发现。
2014-10-06 cs.CV
Cross-Modal Urban Sensing: Evaluating Sound-Vision Alignment Across Street-Level and Aerial Imagery
Department of Geography, University of South Carolina（南卡罗来纳大学地理系）；Department of Environmental Sciences, Emory University（埃默里大学环境科学系）；University of Canterbury（坎特伯雷大学）；School of Resource and Environmental Sciences, Wuhan University（武汉大学资源与环境科学学院）
研究通过比较不同视觉表示策略，探讨城市声音与视觉场景的对齐程度，发现街道影像嵌入比分割结果更符合环境声音，而遥感分割在生态分类解释中更有效。
2026-03-27 cs.CV
Improved-Flow Warp Module for Remote Sensing Semantic Segmentation
遥感图像语义分割的目的是为航空影像上的每个像元自动分配特定的标签。在这封信中，我们提出了一个新的模块，称为改进流翘曲模块（IFWM），调整语义特征图在不同尺度的遥感语义分割。在卷积神经网络的特征提取过程中应用改进的流扭曲模块。首先，IFWM通过可学习的方式计算像素的偏移量，这可以减轻多尺度特征的错位。其次，偏移量有助于低分辨率深度特征上采样过程，以提高特征一致性，从而提高语义分割的准确性。在多个遥感数据集上进行了验证，结果证明了该方法的有效性。
2022-05-09 cs.CV
Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder
INRAE（法国国家农业食品与环境研究院）；AgroParisTech（巴黎高等农业学院）
提出基于 VQ-VAE 重建的弱监督航拍海洋动物检测框架，直接在输入空间计算异常指标，在两个专用数据集上优于现有方法并提升定位与可解释性。
2023-07-13 cs.CV
Extended Agriculture-Vision: An Extension of a Large Aerial Image Dataset for Agricultural Pattern Analysis
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Intelinair
对于遥感和地球观测数据的大部分机器学习工作来说，一个关键的挑战是难以获得大量准确标记的数据。这对于语义分割任务来说尤其如此，因为在大规模收集精确、准确的像素级注释方面存在令人难以置信的困难，所以在遥感领域中不太常见。最近的努力通过创建监督数据集以及应用自我监督方法来解决这些挑战。我们继续在这两方面作出努力。首先，我们生成并发布了一个改进版本的视觉数据集（Chiu et al.，2020年b），以包括原始的，全视野的图像更大的实验灵活性。其次，我们扩展了这个数据集，发布了3600个大的，高分辨率（10厘米/像素），全场，红-绿-蓝和近红外图像进行预训练。第三，我们将最初构建在Simplified框架上的Pixel-to-Propagation Module Xie et al.（2021 b）并入MoCo-V2 Chen et al.（2020年b）。最后，我们通过对下游分类和语义分割任务的不同对比学习方法进行基准测试，证明了这些数据的有用性。我们在基于MoCo-V2的不同框架内探索了CNN和Swin Transformer Liu等人（2021 a）的架构。总之，这些方法使我们能够更好地从航空图像中检测整个领域的关键农业模式，以便农民可以及时提醒有问题的地区，为他们的管理决策提供信息。此外，这些数据集的发布将支持农业遥感中计算机视觉的多种研究途径。
2023-03-04 cs.CV
Advancements in Road Lane Mapping: Comparative Fine-Tuning Analysis of Deep Learning-based Semantic Segmentation Methods Using Aerial Imagery
本研究比较了十二种深度学习语义分割模型在部分标注数据集下的迁移学习性能，发现基于Transformer的模型优于卷积神经网络，微调后显著提升了从航空影像提取道路车道线的性能，对自动驾驶HD地图开发具有重要意义。
2024-10-15 cs.CV
A framework for remote sensing images processing using deep learning technique
IRSTEA（法国国家农业、食品与环境研究院）
深度学习技术对于解决许多图像处理任务正变得越来越重要。在常见的算法中，基于卷积神经网络和递归神经网络的系统在许多应用中对卫星和航空图像实现了最先进的结果。虽然这些方法受到科学界的关注，但目前在用户一级没有可供遥感界使用的操作性和通用性实施方法。在本文中，我们提出了一个框架，使深度学习技术与遥感图像和地理空间数据的使用。我们的解决方案植根于两个广泛使用的开源库，遥感图像处理库Orfeo ToolBox和高性能数值计算库TensorFlow。它可以应用深度网络，而不受图像大小的限制，并且无论硬件配置如何，都具有计算效率。
2018-09-05 cs.CV
Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction
Sun Yat-Sen University（中山大学）；The Guangdong University of Technology（广东工业大学）
土地遥感分析是地球科学中的一项重要研究。在这项工作中，我们专注于土地分析的一项具有挑战性的任务，即，从遥感数据中自动提取交通道路，在城市发展和扩展预测中有着广泛的应用。然而，常规方法要么仅利用空间图像的有限信息，要么简单地融合多模态信息（例如，车辆轨迹），因此不能很好地识别无约束的道路。为了解决这个问题，我们引入了一个新的神经网络框架，称为跨模态消息传播网络（CMMPNet），它充分利用了互补的不同模态数据（即，航空图像和众包轨迹）。具体来说，CMMPNet由两个用于特定模态表示学习的深度自动编码器和一个用于跨模态表示细化的定制设计的双重增强模块组成。特别是，全面提取并动态传播每个模态的补充信息，以增强另一模态的表示。在三个真实世界的基准上进行的大量实验证明了我们的CMMPNet在鲁棒道路提取方面的有效性，这些道路提取受益于混合不同的模态数据，无论是使用图像和轨迹数据还是图像和激光雷达数据。从实验结果中，我们观察到，所提出的方法优于当前国家的最先进的方法大幅margins.Our源代码重新密封的项目页面http://lingboliu.com/multimodal_road_extraction.html。
2022-05-25 cs.AI cs.CV
See as a Bee: UV Sensor for Aerial Strawberry Crop Monitoring
Ecole de technologie supérieure（高等技术学院）
精准农业旨在利用农业食品部门的技术工具来提高生产力，降低劳动力成本，减少资源使用。这项工作的灵感来自蜜蜂的视觉，设计了一个遥感系统，专门将紫外线反射到花卉探测器。我们演示了这种方法如何为深度学习草莓花检测提供功能丰富的图像，并将其应用于现场可扩展但具有成本效益的空中监测机器人系统。我们还比较了我们的UV-G-B图像检测器与利用RGB图像的类似工作的性能。
2022-10-30 cs.CV cs.RO
An Enhanced Randomly Initialized Convolutional Neural Network for Columnar Cactus Recognition in Unmanned Aerial Vehicle Imagery
University of Manouba（马努巴大学）；Taibah University（塔伊巴大学）；Prince Sultan University（苏丹王子大学）；Arab Open University（阿拉伯开放大学）；University of Sfax（斯法克斯大学）
近年来，卷积神经网络（CNN）在遥感图像分类中取得了很好的效果。基于CNN的植物识别是当前深度学习的研究热点之一，因为它在不同的相关领域，特别是环境保护和自然保护领域具有重要的应用价值。自动识别保护区内的植物有助于这些区域的监测过程，并确保其生态系统的可持续性。在这项工作中，我们提出了一个增强的随机初始化卷积神经网络（ERI-CNN）的柱状仙人掌，这是一种特有的植物，存在于墨西哥东南部的特瓦坎Cuicatlán山谷的识别。我们使用了由一组研究人员创建的公共数据集，该数据集由20000多张遥感图像组成。实验结果证实了该模型的有效性相比，在文献中报道的其他模型，如InceptionV 3和修改后的LeNet-5 CNN。我们的ERI-CNN提供了98%的准确率，97%的精确率，97%的召回率，97.5%的f1分数和0.056的损失。
2021-05-10 cs.CV cs.LG
Unsupervised Deep Feature Extraction for Remote Sensing Image Classification
Universitat de Barcelona（巴塞罗那大学）
本文介绍了使用单层和深度卷积网络进行遥感数据分析。直接应用于监督（浅或深）卷积网络的多光谱和高光谱图像是非常具有挑战性的高输入数据维度和相对少量的可用标记数据。因此，我们提出了使用贪婪逐层无监督预训练，再加上一个高效的算法，无监督学习的稀疏特征。该算法是植根于稀疏表示和强制人口和生命周期稀疏的提取功能，同时。我们成功地说明了在几种情况下提取的表示的表达能力：空中场景的分类，以及土地利用分类在非常高的分辨率（VHR），或土地覆盖分类从多和高光谱图像。所提出的算法明显优于标准主成分分析（PCA）及其内核（kPCA），以及目前最先进的航空分类算法，同时在学习数据表示方面具有极高的计算效率。结果表明，单层卷积网络可以提取强大的区分功能，只有当感受野占相邻像素，并在分类需要高分辨率和详细的结果时，是首选。然而，深度架构的性能明显优于单层变体，在整个功能层次结构中捕获了越来越多的抽象和复杂性。
2015-11-25 cs.CV
Scale-wise Bidirectional Alignment Network for Referring Remote Sensing Image Segmentation
University of Twente（特温特大学）；University of Bath（巴斯大学）
针对 RRSIS 中跨模态单向融合及多尺度地物感知不足的问题，本文提出 SBANet，通过双向对齐、动态特征选择和文本条件聚合提升分割性能。
2025-01-06 cs.CV
NBBOX: Noisy Bounding Box Improves Remote Sensing Object Detection
School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology (GIST)（光州科学技术院 电气与计算机科学学院）
本文提出 NBBOX 边界框噪声注入增强，通过缩放、旋转和平移扰动标注框，在 DOTA 与 DIOR-R 上高效提升遥感旋转目标检测性能。
2025-01-07 cs.AI cs.CV
AeroLite: Tag-Guided Lightweight Generation of Aerial Image Captions
University of Technology Sydney（悉尼科技大学）；University of New South Wales（新南威尔士大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
针对航空图像描述的空间语义复杂和领域变异性问题，提出轻量化标签引导框架AeroLite，通过伪数据集生成、语义标签提取与桥接MLP融合，使小模型（1-3B参数）在遥感图像描述任务上超越大模型（13B参数），且计算成本更低。
2025-04-13 cs.CV cs.MM
SkyVLaM: Multimodal Large Language Model for UAV Video Understanding in Remote Sensing
Beijing University of Posts and Telecommunications（北京邮电大学）；Peking University（北京大学）；Beijing Wuzi University（北京物资学院）
针对无人机视频理解任务，提出多模态大语言模型SkyVLaM，通过时间基感知器构建稀疏令牌，正则化稀疏基，自适应选择密集段，联合大语言模型处理，还构建SkyVid，实验证明其能有效分配视觉令牌预算，提升语言条件视频分割效果。
2026-07-21 cs.CV
Contextual Pyramid Attention Network for Building Segmentation in Aerial Imagery
Eindhoven University of Technology（埃因霍温理工大学）
从航空图像中提取建筑物在城市规划、变化检测和灾害管理等问题中有着广泛的应用。随着数据可用性的不断提高，近年来，用于遥感图像语义分割的卷积神经网络（CNN）得到了显著的改进。然而，卷积在局部邻域中操作，并且未能捕获在航空图像的语义理解中必不可少的非局部特征。在这项工作中，我们建议通过使用上下文金字塔注意力（CPA）捕获长距离依赖关系来改善不同大小的建筑分割。这些路径有效地处理多个尺度的输入，并以加权的方式将它们组合起来，类似于集成模型。所提出的方法获得国家的最先进的性能的Inria航空图像标注数据集以最小的计算成本。我们的方法比目前最先进的方法提高了1.8个点，比现有的交集超过并集（IoU）度量基准高出12.6个点，而无需任何后处理。代码和模型将公开发布。
2020-04-15 cs.CV
Scene and Environment Monitoring Using Aerial Imagery and Deep Learning
Kingston University（金斯顿大学）
无人机（UAV）是智能农业相关应用的一项有前途的技术。使用无人机对农业农场进行空中监测，可以实现与作物监测有关的关键决策。深度学习技术的进步进一步提高了基于航空图像的分析的精度和可靠性。在无人机上安装各种传感器（RGB、光谱相机）的能力允许远程作物分析应用，如植被分类和分割、作物计数、产量监测和预测、作物制图、杂草检测、疾病和养分缺乏检测等。在文献中发现了大量的研究，探讨了无人机在智能农业中的应用。本文综述了将深度学习应用于智能农业的无人机图像的研究。基于应用，我们将这些研究分为五大类，包括：植被识别，分类和分割，作物计数和产量预测，作物制图，杂草检测和作物病害和养分缺乏检测。对每项研究都进行了深入的批判性分析。
2019-06-06 cs.CV
Exploring Models and Data for Remote Sensing Image Caption Generation
Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光机精密机械研究所）；The University of Chinese Academy of Sciences（中国科学院大学）
受人造卫星发展的启发，遥感图像引起了广泛的关注。近年来，遥感图像在场景分类和目标检测方面取得了显著的进展，但如何用准确、简洁的语句来描述遥感图像的内容仍然是一个难题。本文研究如何用准确、灵活的语句来描述遥感图像。首先，针对遥感图像的特点，提出了一些标注说明，以更好地描述遥感图像。其次，为了充分利用遥感影像的内容，构建了一个大规模的航空影像数据集，用于遥感影像字幕。最后，提出了一个全面的审查建议的数据集，以充分推进遥感字幕的任务。大量的实验表明，所提出的数据集的遥感图像的内容可以通过生成的语言描述进行完整的描述。数据集可在https://github.com/201528014227051/RSICD_optimal上获得
2017-12-21 cs.CV
ERA: A Dataset and Deep Learning Benchmark for Event Recognition in Aerial Videos
Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR)（德国航空航天中心（DLR）遥感技术研究所（IMF））；Technical University of Munich (TUM)（慕尼黑工业大学（TUM））
随着无人驾驶飞行器（UAV）的使用越来越多，已经产生了大量的空中视频。人类要筛选这样的大数据并了解其内容是不现实的。因此，无人机视频自动理解的方法研究是至关重要的。在本文中，我们介绍了一个新的问题，在遥感界的无约束航空视频事件识别，并提出了一个大规模的，人类注释的数据集，名为ERA（航空视频事件识别），由2,864个视频，每个标签从25个不同的类对应的事件展开5秒。ERA数据集被设计为具有显著的类内变化和类间相似性，并捕获各种情况下的动态事件和各种尺度。此外，为了为这项任务提供基准，我们广泛验证了现有的深度网络。我们希望ERA数据集将促进自动空中视频理解的进一步进展。网址是https://lcmou.github.io/ERA_Dataset/
2020-06-25 cs.CV
EcoCropsAID: Economic Crops Aerial Image Dataset for Land Use Classification
Buriram Rajabhat University（武里南皇家大学）；King Fahd University of Petroleum and Minerals（法赫德国王石油与矿业大学）；Mahasarakham University（马哈沙拉堪大学）
该研究构建了包含5,400张航空图像的EcoCropsAID数据集，覆盖泰国五种经济作物，并利用深度学习算法对卫星图像进行分类，以解决土地利用分类中类别间相似性和模式多样性的挑战。
2024-11-05 cs.AI cs.CV
