一种用于从高光谱信息估计土壤属性的深度可扩展神经架构
计算机视觉与模式识别
2022-11-01 v1 机器学习
摘要
本文提出一种自适应深度神经架构，用于通过分析高光谱特征来预测多种土壤特性。所提方法克服了现有最优方法的局限：(i) 可一次性预测多个土壤变量；(ii) 可回溯对给定变量估计贡献最大的光谱波段；(iii) 基于灵活的神经架构，能够自动适应所分析的光谱库。该架构在大型实验室数据集 LUCAS 以及通过模拟 PRISMA 高光谱传感器获得的数据集上进行了实验。与其他最优方法的对比结果证实了所提方案的有效性。
引用
@article{arxiv.2210.17314,
title = {A deep scalable neural architecture for soil properties estimation from spectral information},
author = {Flavio Piccoli and Micol Rossini and Roberto Colombo and Raimondo Schettini and Paolo Napoletano},
journal= {arXiv preprint arXiv:2210.17314},
year = {2022}
}
备注
14 pages + 13 of appendix. Journal paper