elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Self-Paced Curriculum Learning for Visual Question Answering on Remote Sensing Data

Yuan, Zhenghang und Mou, LiChao und Zhu, Xiao Xiang (2021) Self-Paced Curriculum Learning for Visual Question Answering on Remote Sensing Data. In: International Geoscience and Remote Sensing Symposium (IGARSS), Seiten 2999-3002. IEEE. IGARSS 2021, 2021-07-12 - 2021-07-16, Brussels, Belgium. doi: 10.1109/IGARSS47720.2021.9553624.

[img] PDF
583kB

Offizielle URL: https://ieeexplore.ieee.org/document/9553624

Kurzfassung

Answering questions with natural language by extracting in-formation from image has great potential in various applica-tions. Although visual question answering (VQA) for naturalimage has been broadly studied, VQA for remote sensing datais still in the early research stage. For the same remote sens-ing image, there exist questions with dramatically differentdifficulty-levels. Treating these questions equally may mis-lead the model and limit the VQA model performance. Con-sidering this problem, in this work, we propose a self-pacedcurriculum learning (SPCL) based VQA model with hard andsoft weighting strategies for remote sensing data. Like humanlearning process, the model is trained from easy to hard ques-tion samples gradually. Extensive experimental results on twodatasets demonstrate that the proposed training method canachieve promising performance.

elib-URL des Eintrags:https://elib.dlr.de/146238/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Self-Paced Curriculum Learning for Visual Question Answering on Remote Sensing Data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Yuan, Zhenghangzhenghang.yuan (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mou, LiChaoLiChao.Mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiaoxiang.zhu (at) dlr.dehttps://orcid.org/0000-0001-5530-3613NICHT SPEZIFIZIERT
Datum:Juli 2021
Erschienen in:International Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/IGARSS47720.2021.9553624
Seitenbereich:Seiten 2999-3002
Verlag:IEEE
Status:veröffentlicht
Stichwörter:visual question answering (VQA), self-paced curriculum learning (SPCL), remote sensing, deep learning
Veranstaltungstitel:IGARSS 2021
Veranstaltungsort:Brussels, Belgium
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:12 Juli 2021
Veranstaltungsende:16 Juli 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Hua, Yuansheng
Hinterlegt am:29 Nov 2021 08:41
Letzte Änderung:07 Jun 2024 09:56

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.