Com o desenvolvimento da tecnologia de sensoriamento remoto, as imagens de sensoriamento remoto têm sido amplamente aplicadas em áreas como reconhecimento e segmentação de imagens. No entanto, o número limitado de imagens de sensoriamento remoto, a baixa qualidade e a falta de diversidade dificultam a melhoria do desempenho em pesquisas subsequentes, como a interpretação de imagens de sensoriamento remoto. Como utilizar uma pequena quantidade de imagens de sensoriamento remoto para gerar grandes conjuntos de dados é um problema urgente a ser resolvido atualmente. Para enfrentar esse problema, este artigo, baseado na rede SinGAN, combina uma nova rede convolucional pura chamada ConvNeXt para construir uma estrutura de aumento de dados de imagens de sensoriamento remoto. Os resultados experimentais mostram que, no conjunto de dados NWPU-RESISC45, as imagens aumentadas com a rede convolucional ConvNeXt melhoraram os índices FID, SSIM e PSNR em 5,7%, 6,2% e 8,2%, respectivamente. As imagens aumentadas pelo método de aumento de dados de imagens de sensoriamento remoto baseado no SinGAN melhorado apresentam qualidade e diversidade superiores ao algoritmo SinGAN e aos métodos tradicionais de aumento de imagens, podendo ser aplicadas na prática em áreas como segmentação de imagens e detecção de objetos.

SinGAN;aumento de dados;imagens de sensoriamento remoto;ConvNeXt