Volgens het Aerospace Information Research Institute (AIR), Chinese Academy of Sciences (CAS) is een nieuw basismodel, RingMo genaamd, ontwikkeld om de nauwkeurigheid van beeldinterpretatie via teledetectie te verbeteren.

De studie getiteld "RingMo:A Remote Sensing Foundation Model with Masked Image Modeling" is gepubliceerd in IEEE Transactions on Geoscience and Remote Sensing .

Remote sensing-beelden worden toegepast op gebieden als classificatie en veranderingsdetectie, en deep learning-benaderingen hebben bijgedragen aan de snelle ontwikkeling van remote sensing-beeldinterpretatie. Het meest gebruikte trainingsparadigma is het gebruik van vooraf getrainde ImageNet-modellen om teledetectiegegevens voor specifieke taken te verwerken.

Er zijn echter problemen, zoals een domeinkloof tussen natuurlijke en remote sensing-scènes en de slechte generalisatiecapaciteit van remote sensing-modellen. Het is dus noodzakelijk om een ​​basismodel te ontwikkelen met een algemene representatie van teledetectiefuncties. Aangezien er een grote hoeveelheid niet-gelabelde gegevens beschikbaar is, is de methode met zelfcontrole beter dan de volledig gecontroleerde methode bij teledetectie.

De studie heeft tot doel een modelraamwerk voor remote sensing voor te stellen, dat de voordelen van generatief, zelf-gesuperviseerd leren voor remote sensing-beelden kan benutten. RingMo beschikt over een grootschalige dataset die is samengesteld door 2 miljoen remote sensing-beelden van satelliet- en luchtplatforms te verzamelen, die meerdere scènes en objecten over de hele wereld bestrijken. Bovendien is de trainingsmethode voor het basismodel voor teledetectie ontworpen voor dichte en kleine objecten in gecompliceerde teledetectiescènes.

RingMo is het eerste generatieve basismodel voor cross-modale teledetectiegegevens. In de toekomst kan het model worden toegepast op 3D-reconstructie, woningbouw, transport, waterbehoud, milieubescherming en andere gebieden. + Verder verkennen

Wederzijds aandachtsnetwerk ontwikkeld voor het beantwoorden van visuele vragen via teledetectie