综述：图像分类中参考数据生成的挑战、方法与发展趋势综述

《Remote Sensing》：Reference Data Generation for Remote Sensing Image Classification: A Comprehensive Review of Methods, Challenges, and Recent Advances

　　图像分类是一项基础技术，已被广泛应用于遥感、计算机视觉及相关领域。高质量的标注数据集对于分类和分割算法的开发与可靠评估至关重要，以实现对地主题映射的准确性。参考数据在此方面尤为关键，因为其质量直接影响模型的性能、准确性和泛化能力。然而，由于方法学、技术以及标注方面的不确定性，生成可靠的参考数据仍然面临诸多挑战。本研究综述了参考数据生成中的主要挑战，以及科学文献中提出的解决方案。共考察了Web of Science数据库中收录的100篇论文。综述涵盖了传统的参考数据生成方法，以及基于半监督学习、自监督学习和主动学习的新兴方法，还包括分割辅助和后处理辅助标注、基准数据集构建、采样与精度评估，以及深度学习和自动化标签生成等技术。本文还讨论了主要挑战和新兴研究方向。研究结果表明，参考数据生成方法正从传统的手工技术明显转向更自动化、基于学习和以精度为导向的方法。本研究为图像分类领域的现有技术和未来研究方向提供了一个框架。