基于交并比损失的三维全卷积神经网络用于多时相卫星影像作物制图
计算机视觉与模式识别
2021-12-01 v2
摘要
栽培作物的信息对大量粮食安全研究具有重要意义。不同的科学工作致力于通过机器学习方法从遥感影像中生成此类信息。遗憾的是，这些方法未考虑遥感影像中固有的时空关系。在本文中，我们探索了三维全卷积神经网络（FCN）从多时相影像中制图作物类型的能力。此外，我们提出交并比（IOU）损失函数以增加预测类别与地面参考数据之间的重叠度。所提方法应用于利用多时相Landsat影像识别位于美国玉米带的某研究区中的大豆和玉米。研究表明，我们的方法优于相关方法，获得了91.8%的Kappa系数。我们得出结论，使用IOU损失函数是为学习单个作物类型提供的更优选择。
引用
@article{arxiv.2102.07280,
title = {3D Fully Convolutional Neural Networks with Intersection Over Union Loss for Crop Mapping from Multi-Temporal Satellite Images},
author = {Sina Mohammadi and Mariana Belgiu and Alfred Stein},
journal= {arXiv preprint arXiv:2102.07280},
year = {2021}
}
备注
Accepted by IGARSS 2021