Riassunto analitico
Negli ultimi anni il deep learning è stato usato quasi in ogni settore, ottenendo performance eccellenti. Il vasto numero di immagini prodotto dai satelliti ha reso il Remote Sensing un ottimo ambito dove applicare modelli Deep. Sfortunatamente, di questa ampia quantità di dati, solo una piccola parte è stata annotata. Avere pochi dati annotati è problematico quando si vuole allenare una rete neurale. Per questo motivo molti modelli Deep, prima di essere applicati in ambito Remote Sensing, sono stati pre-allenati sui più famosi dataset di Computer Vision. Purtroppo questi dataset hanno caratteristiche fortemente differenti da quelli contenenti immagini satellitari. Il nostro approccio sfrutta la colorization come metodo auto supervisionato per estrarre feature e pre-trainare una rete deep: il vantaggio di questa tecnica è che la rete viene allenata da subito sullo stesso tipo di immagini sul quale verrà riutilizzata in seguito. I risultati ottenuti col nostro modello sono risultati superiori rispetto allo stesso modello allenato da zero o su dataset di CV.
|