面向遥感图像解译的增量深度学习

来源：电子与信息学报杂志2024年第10期北京时间：

作者：翁星星, 庞超, 许博文, 夏桂松

单位：1.武汉大学计算机学院 武汉 4300722.武汉大学测绘遥感信息工程国家重点实验室 武汉 430079

摘要：深度学习的发展推动了高精度遥感图像智能解译模型的涌现。然而，目前遥感智能解译模型大多基于预先定义的静态数据集独立训练，难以适应环境开放和需求动态的实际应用，严重阻碍了遥感智能解译模型的广域和长期运用。增量学习能使模型持续学习新知识，并保持对旧知识的记忆，近年来，被广泛应用于推动遥感智能解译模型演化、提升模型智能解译性能。该文面向多模态遥感数据、不同类型解译任务，全面调研了遥感图像智能解译增量学习方法，从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上，从促进遥感图像解译模型进化研究的角度，展望和讨论了遥感领域增量学习的未来研究方向。

关键词：遥感图像解译, 深度模型, 增量学习, 模型进化

基金资助：国家自然科学基金(U22B2011, 62325111)