Как сообщает android-robot.com, по данным Исследовательского института аэрокосмической информации (AIR) Китайской академии наук (CAS), для повышения точности интерпретации изображений дистанционного зондирования была разработана новая базовая модель, получившая название RingMo. Исследование под названием «RingMo: базовая модель дистанционного зондирования с моделированием маскированного изображения» было опубликовано в IEEE Transactions on Geoscience and Remote Sensing.

Изображения дистанционного зондирования применяются в таких областях, как классификация и обнаружение изменений, а подходы глубокого обучения способствовали быстрому развитию интерпретации изображений дистанционного зондирования. Наиболее широко используемой парадигмой обучения является использование предварительно обученных моделей ImageNet для обработки данных дистанционного зондирования для определенных задач. Однако существуют проблемы, такие как разрыв в предметной области между естественными сценами и сценами дистанционного зондирования и плохая способность к обобщению моделей дистанционного зондирования. Таким образом, необходимо разработать базовую модель с общим представлением признаков дистанционного зондирования. Поскольку доступно большое количество неразмеченных данных, метод самоконтроля лучше, чем полностью контролируемый метод дистанционного зондирования.

Исследование направлено на то, чтобы предложить основу модели дистанционного зондирования, которая может использовать преимущества генеративного обучения с самоконтролем для изображений дистанционного зондирования. RingMo представляет собой крупномасштабный набор данных, созданный путем сбора 2 миллионов изображений дистанционного зондирования со спутников и воздушных платформ, охватывающих множество сцен и объектов по всему миру. Кроме того, метод обучения базовой модели дистанционного зондирования разработан для плотных и небольших объектов в сложных сценах дистанционного зондирования. RingMo — первая генерирующая базовая модель для кросс-модальных данных дистанционного зондирования. В будущем модель может применяться для 3D-реконструкции, жилищного строительства, транспорта, водного хозяйства, охраны окружающей среды и других областей.