Классификация сцен на изображениях дистанционного зондирования с использованием глубокого обучения: проблемы, методы, эталонные наборы данных и перспективы

Классификация сцен на изображениях дистанционного зондирования, направленная на присвоение изображениям дистанционного зондирования набора семантических категорий на основе их содержания, имеет широкое применение в различных областях. Благодаря мощным возможностям глубоких нейронных сетей по извлечению признаков классификация сцен на изображениях дистанционного зондирования с использованием глубокого обучения привлекла значительное внимание и обеспечила существенные прорывы. Однако, насколько нам известно, всеобъемлющий обзор последних достижений в области применения глубокого обучения для классификации сцен на изображениях дистанционного зондирования по-прежнему отсутствует. Учитывая быстрое развитие этой области, в статье представлен систематический обзор методов глубокого обучения для классификации сцен на изображениях дистанционного зондирования, основанный более чем на 160 публикациях. В частности, рассматриваются основные проблемы классификации сцен на изображениях дистанционного зондирования и анализируются: во-первых, методы классификации сцен на основе автоэнкодеров; во-вторых, методы классификации сцен на основе сверточных нейронных сетей; и, в-третьих, методы классификации сцен на основе генеративно-состязательных сетей. Кроме того, представлены эталонные наборы данных, используемые для классификации сцен на изображениях дистанционного зондирования, и обобщены результаты более двух десятков репрезентативных алгоритмов на трех широко используемых эталонных наборах данных. Наконец, обсуждаются перспективные направления дальнейших исследований.