BigEarthNet-MM: A Large-Scale, Multimodal, Multilabel Benchmark Archive for Remote Sensing Image Classification and Retrieval [Software and Data Sets]
PulseAugur coverage of BigEarthNet-MM: A Large-Scale, Multimodal, Multilabel Benchmark Archive for Remote Sensing Image Classification and Retrieval [Software and Data Sets] — every cluster mentioning BigEarthNet-MM: A Large-Scale, Multimodal, Multilabel Benchmark Archive for Remote Sensing Image Classification and Retrieval [Software and Data Sets] across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的保边推理方法解决了机器学习中的标签噪声问题
研究人员开发了一种新的保边推理方法，以应对机器学习数据集中标签噪声的挑战。这种自适应技术即使在数据因噪声标签而偏离理想可交换性时，也能确保准确的不确定性量化并提供信息丰富的预测集。通过在合成数据集和真实世界数据集（包括BigEarthNet和CIFAR-10H）上的实验，证明了该方法的有效性。
-
MEOX模型使用紧凑型多模态专家模型用于地球观测任务
研究人员推出了MEOX，这是一种专为地球观测任务设计的紧凑型多模态模型。该模型采用专家混合架构，参数量相对较少，并结合了传感器特定的适配器和元数据令牌来处理多样化的数据输入。MEOX在大规模数据集上进行了预训练，在各种基准的冻结迁移评估中表现出色，在分割和分类等任务上优于现有模型。
-
新的课程学习策略提高了遥感AI的效率
研究人员开发了一种新的遥感自监督学习课程学习策略。该方法根据样本的地理隔离度来优先排序样本，地理隔离度仅从地理位置数据派生，无需手动注释或模型反馈。该方法已显示出显著的效率提升，以一小部分训练预算实现了基线性能，并提高了下游任务的性能。