近日，bwin必赢地图学与地理信息系统专业硕士研究生黄涌波以第一作者身份在遥感领域TOP期刊《IEEE Transactions on Geoscience and Remote Sensing》发表题为“Remote Sensing Object Counting through Regression Ensembles and Learning to Rank”的研究论文（DOI: 10.1109/TGRS.2023.3266884），论文的通讯作者为刘亦书教授。
遥感目标计数在许多领域有着广泛的应用，对于相关的计数方法，全局回归是一种长期被忽视的目标计数方法，尽管它需要的手动注释比其他方法少得多。该论文重新审视了全局回归方法，并以两种方式对其进行改进，一种方式是用深度集成取代单个回归器，另一种方式则是将全局回归分解为两个更容易、更小的问题：排序学习和线性变换。为此，作者对回归集成学习进行了PAC-Bayesian分析，并给出了其泛化误差的上限，为集成学习提供了新的理论见解。作者调整了排序度量优化方案以适应目标计数，优雅地处理了具有梯度下降的排序学习问题。此外，作者还提供了一种构建回归集成的新方法，在这种方法上施加了模糊性约束，最后，通过将排序学习纳入深度集成学习，作者提出了一种新的计数模型，称为 eFreeNet。作者在六个公开数据集上的广泛评估表明，eFreeNet在性能上优于现有方法，同时在注释方面比其他方法更高效。源代码可在https://github.com/huangyongbobo/eFreeNet上公开获取。
图：eFreeNet架构图，详情可查看原文
该研究得到了国家自然科学基金项目（61673184）的资助。《IEEE TGRS》是地球科学和遥感领域的顶级期刊，也是IEEE地球科学与遥感协会（GRSS）的会刊，最新影响因子为8.125，五年影响因子为8.137。
图片来源 | 黄涌波
初审 | 江涌芝
复审 | 赵耀龙
终审 | 刘云刚
标签：