最新论文 | SegEarth-R1: 遥感+推理大模型！Geospatial Pixel Reasoning

最新推荐文章于 2026-01-04 20:51:53 发布
原创 最新推荐文章于 2026-01-04 20:51:53 发布 · 2.4k 阅读 · 19 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #自然语言处理 #人工智能 #深度学习 #神经网络 #目标检测 #pytorch

论文介绍

题目：SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model

论文：https://arxiv.org/abs/2504.09644

主页：https://github.com/earth-insights/SegEarth-R1

年份：2025

单位：西安交通大学，武汉大学，中科院

注：本篇由论文原作者审阅

【遥感图像分类项目实战链接，点击即可跳转学习页面】 

这才是科研人该学的！基于深度学习的遥感图像分类实战，一口气学完图像处理、特征提取、分类算法、变化检测、图像配准、辐射校正等7大算法！通俗易懂，新手也能学会！https://www.bilibili.com/video/BV1qYvaePEoE/?spm_id_from=333.337.search-card.all.click&vd_source=75de451a527a341260671f8dfa953400

创新点

  • 提出新任务：Geospatial Pixel Reasoning

  • 相较于传统语义分割与指代分割，首次引入“隐式语言引导+空间推理”结合的任务形式，允许通过隐性自然语言问题生成遥感图像中的目标区域掩码。

  • 例子：不仅回答“哪里是足球场”，而是“哪里适合作为地震

最低0.47元/天 解锁文章
基于深度学习的整景遥感影像目标识别推理方法(Python+Torch)
zhaoguanhua的博客
11-16 1684
随着分辨率的提高，整景遥感影像存储量也变大。由于计算机性能的限制(内存与GPU显存)，在使用深度学习模型进行推理预测时，模型无法一次读入，需要分块将数据读入内存处理。在做目标识别推理时，分块会导致一个目标对象被切割到两个位置上，因此需要采用叠加滑动窗口的方法进行推理，但是这样又会导致同一个目标被识别两次，所以最后还需要对所有的识别结果进行NMS操作，去除重复识别的结果。 代码 ...
SegEarth-R1实现地理推理「类人思考」​
m0_59164520的博客
04-18 1124
本文将为大家介绍“SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model”（SegEarth-R1：通过大型语言模型进行地理像素推理）。
遥感大模型汇总
shenfenxihuan的博客
02-05 7955
简介：提出了一种称为RingMo-SAM的多模态遥感图像分割的基础模型，它不仅可以分割光学和SAR遥感数据中的任何内容，还可以识别对象类别。此外，它可以通过参考对象的空间坐标，在视觉上将其响应中的对象接地。提高了SAM在遥感图像上的分割准确性，凸显了 SAM 在遥感图像中部署的潜力，并减少了手动注释的需求。为了处理RS图像中的大尺寸和任意方向的物体，提出了一种新的旋转可变尺寸窗口注意力来取代变压器中原来的完全注意力，减少计算成本和内存占用，同时通过提取学习更好的对象表示来自生成的不同窗口的丰富上下文。
（CVPR，2025）SegEarth-OV：面向遥感图像的无训练开放词汇分割
lalula的博客
02-11 2084
遥感图像在农业、水资源、军事和救灾等领域发挥着不可替代的作用。像素级解释是遥感图像应用的一个关键方面；然而，一个普遍的局限性仍然是需要大量手动标注。为此，我们尝试将开放词汇语义分割（OVSS）引入遥感领域。然而，由于，预测掩码中会出现和的问题。为了解决这个问题，我们提出了一种简单且通用的。此外，的观察，我们提出通过简单的来减轻patch token中的全局偏差。我们在 17 个遥感数据集上进行了广泛的实验，涵盖了语义分割、建筑物提取、道路检测和洪水检测任务。
SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model
weixin_51657614的博客
08-27 733
本文提出地理空间像素推理任务，突破传统遥感分割方法的限制，支持基于隐式查询的空间推理。研究贡献包括：1) 首创该任务概念，要求模型结合空间上下文和领域知识进行推理；2) 构建EarthReason基准数据集，包含5,434张标注图像和30,000+问答对，覆盖28类场景；3) 设计SegEarth-R1模型，集成分层视觉编码器、LLM指令解析和专用掩码生成器，针对遥感图像特性引入视觉标记压缩、描述投射等创新模块。实验表明，该方法在推理和指代分割任务上均达到SOTA性能。该研究为遥感图像理解提供了新范式，相关
【前沿 热点 顶会】CVPR 2025和目标分类、检测、分割、重识别有关的论文
A_Student10000的博客
03-01 6612
CVPR 2025中与目标识别大类有关的论文，设计SAR图像、遥感图像、图像生成、多模态重识别等新颖小众的方向。
浙大等提出Geo-R1：遥感指称理解“先推理后行动”，少样本泛化性大幅提升！
我爱计算机视觉
10-06 690
在FS-NWPU数据集上，Geo-R1同样展现了优异的性能，在飞机、船舶、地面轨道场和车辆等类别上，全面超越了SFT基线，尤其是在数据量更少的5-shot和10-shot设置下，性能优势更为明显。现有基于多模态大语言模型（MLLM）的监督微调（SFT）方法，虽然在拥有海量标注数据时表现出色，但在数据稀缺的少样本（Few-Shot）场景下，其泛化能力会急剧下降，难以适应真实世界的应用需求。在EarthReason-FS数据集上，Geo-R1在掩码级别的gIoU指标上，也取得了显著的提升，最高提升了。
SegEarth-OV3: Exploring SAM 3 for Open-Vocabulary Semantic Segmentation in Remote Sensing Images
猛码Memmat
12-10 679
segearth-ov3
Falcon: A Remote Sensing Vision-Language Foundation Model——一种针对遥感的视觉-语言基础模型
Together_CZ的博客
05-18 2258
Falcon: A Remote Sensing Vision-Language Foundation Model——一种针对遥感的视觉-语言基础模型
（CVPRW，2024）可学习的提示：遥感领域小样本语义分割
lalula的博客
06-03 3028
小样本分割是一项任务，它要求在只有少量标注示例的情况下，对图像中新类别的对象或区域进行分割。在一般设置中，任务扩展到同时分割基础类别和新类别。主要挑战在于如何训练模型，以便新增新类别不会损害基础类别的性能，这也被称为灾难性遗忘。为了缓解这个问题，我们使用SegGPT作为我们的基线模型，并在基础类别上对其进行训练。然后，我们使用独立的可学习提示来处理每个新类别的预测。为了处理通常在遥感领域出现的多种对象大小，我们执行基于补丁的预测。为了解决补丁边界处的不连续性问题，我们提出了一种。
【机器学习】深度信念网络（DBN）
2401_84149564的博客
01-03 972
深度信念网络（DBN）是由Geoffrey Hinton提出的一种生成式深度学习模型，通过堆叠多个限制玻尔兹曼机（RBM）构建深层结构。其核心特点包括：1）采用无监督预训练和有监督微调的两阶段训练策略，有效解决梯度消失问题；2）能够自动提取数据的多层级抽象特征；3）兼具生成和判别能力。本文详细介绍了DBN的网络结构、RBM组件原理、训练流程（对比散度算法和微调方法），并提供了完整的Python实现代码，包括数据预处理、模型构建、训练过程和可视化分析。
机器学习——贝叶斯
2401_83998832的博客
12-29 1449
正向概率：假设袋子里有10个白球，90个黑球，然后从袋子里面拿出1个球，拿出的球是白球的概率是多少？显然，白球的概率是1/10逆向概率：如果我们事先并不知道袋子里白球、黑球的比例，然后通过多次试验，根据拿出来的球的颜色推测袋子里白球、黑球的比例贝叶斯分类器的代码使用：朴素贝叶斯算法，中文处理classalpha=1.0参数：1.多项式分布的朴素贝叶斯。2.控制模型拟合时的平滑度定义：alpha是一个浮点数，表示添加剂（拉普拉斯/Lidstone）平滑参数。
【机器学习】02_线性模型
Dasi_C_upup的博客
12-31 835
本文系统介绍了机器学习中的线性模型，包括线性回归、对数几率回归和线性判别分析三大核心算法。重点讲解了线性回归的最小二乘法求解和L1/L2正则化特性，对比了岭回归与Lasso回归的几何意义和应用场景。详细推导了对数几率回归的sigmoid函数和交叉熵损失函数，并解释其优于均方误差的原因。此外，阐述了LDA算法的类内散度和类间散度矩阵，以及多分类策略和类别不平衡处理方法。全文通过数学公式推导、几何直观解释和对比表格，为理解线性模型提供了全面的理论基础。
0-机器学习与大模型开发数学教程
yuanmomoya的博客
01-03 711
《机器学习与大模型开发数学教程》系统介绍了机器学习所需的数学基础，涵盖微积分、线性代数、概率统计、优化方法等核心内容。全书共8章，从预备知识（集合、向量、概率等）开始，逐步深入单变量/多变量微积分、矩阵运算、概率分布与统计推断，重点讲解梯度下降等优化算法及数值计算技巧，并专章探讨大模型相关的注意力机制、Transformer数学原理等专题，最后延伸至最优传输理论、图神经网络等前沿领域，为读者构建完整的机器学习数学知识体系。
【机器学习】生成对抗网络（GAN）
2401_84149564的博客
01-02 955
生成对抗网络（GAN）是一种通过生成器与判别器对抗博弈来学习数据分布的深度学习模型。生成器试图生成逼真样本，判别器则负责区分真实与生成样本。本文详细介绍了GAN的核心思想、数学目标、训练流程及常见挑战（如梯度消失、模式崩溃），并列举了DCGAN、WGAN等经典变体。通过Python代码实现了一个生成正弦曲线的简易GAN，展示了训练过程和结果可视化。实验表明，经过100轮训练后，生成器能产生与真实正弦曲线相似的样本，验证了GAN在数据生成任务中的有效性。
人工智能之核心基础 机器学习 第七章 监督学习总结
咚咚王者的博客
01-04 555
需求推荐算法快速出结果朴素贝叶斯、逻辑回归业务可解释决策树、线性模型高精度竞赛文本分类朴素贝叶斯 > SVM(线性) > 随机森林中小规模通用随机森林（首选）、SVM大数据回归LightGBM、随机森林🎯黄金建议先跑一个简单模型（如逻辑回归或朴素贝叶斯）作为baseline再逐步尝试复杂模型。很多时候，简单模型已经足够好！
机器学习--K-means聚类&DBSCAN&TF-IDF
2301_77717128的博客
12-30 1244
本文摘要介绍了三种机器学习方法：K-means聚类、DBSCAN和TF-IDF。K-means聚类通过欧式距离和轮廓系数评估聚类效果，需预先设定K值。DBSCAN基于密度聚类，能发现任意形状簇并识别噪声点。TF-IDF通过词频和逆文档频率提取文本关键词，适用于文本分析。文中还提供了Python实现示例，包括参数设置和实际应用代码，展示了从数据预处理到模型评估的完整流程。
【第二十六周】机器学习笔记二十五
最新发布
m0_54824389的博客
01-04 340
简而言之，它揭示了攻击者如何通过计算导向的梯度优化，在人类难以察觉的细微改动下，将输入样本“推”过模型的决策边界，从而引发其判断失效。若以L∞为约束，攻击者则会在允许的极限内，集中对关键位置的少数像素进行较大幅度的改动，同时确保没有单个像素的变化超出阈值。L2范数计算所有像素变化值的平方和，衡量的是整体扰动的“总能量”，它限制的是整张图片的累计变化幅度；L∞范数则只关注所有像素中变化绝对值的最大值，衡量的是局部“最大单点扰动强度”，它限制的是任何一个像素点的变化都不能超过上限。
基于机器学习的智能抬手亮屏——从传感器融合到端侧部署
电脑管家
01-04 40
本文探讨了传统抬手亮屏技术的局限性，并提出基于机器学习与多传感器融合的智能解决方案。传统方案仅依靠简单的加速度和角度阈值判断，导致误触发（如走路晃动、开车颠簸）或响应失败（如躺着看手机）等问题。智能方案则整合加速度计、陀螺仪、距离传感器、环境光传感器等多种数据，通过机器学习模型识别用户真实意图。该系统能动态学习用户习惯，在复杂场景（如床上、车内、口袋中）准确判断亮屏时机，既提升用户体验又节省电量。最终目标是实现真正符合人类自然行为的智能交互方式。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值