Kann eine Maschine menschenähnliche Sprachbeschreibungen für ein Fernerkundungsbild generieren?

Dieses Papier untersucht eine faszinierende Frage im Bereich der Fernerkundung: „Kann eine Maschine menschenähnliche Sprachbeschreibungen für ein Fernerkundungsbild generieren?“ Die automatische Beschreibung eines Fernerkundungsbildes (nämlich die Bildunterschrift für Fernerkundungsbilder) ist eine wichtige, aber selten untersuchte Aufgabe für künstliche Intelligenz. Sie ist herausfordernder, da die Beschreibung nicht nur die Bodenbestandteile unterschiedlicher Maßstäbe erfassen, sondern auch deren Attribute sowie die Wechselwirkungen zwischen diesen Elementen ausdrücken muss. Trotz der Schwierigkeiten haben wir ein Framework zur Bildunterschrift für Fernerkundungsbilder vorgeschlagen, das auf den Techniken der kürzlichen schnellen Entwicklung von Deep Learning und vollständig konvolutionalen Netzwerken basiert. Die experimentellen Ergebnisse zu einer Reihe von hochauflösenden optischen Bildern, einschließlich Google Earth-Bildern und GaoFen-2-Satellitenbildern, zeigen, dass die vorgeschlagene Methode in der Lage ist, robuste und umfassende Satzbeschreibungen mit wünschenswerter Geschwindigkeitsleistung zu generieren.