农业中的人工智能：基于Sentinel-2影像的作物制图语义分割方法比较
计算机视觉与模式识别
2023-11-23 v1 图像与视频处理
摘要
由于人口增长带来的更高粮食需求以及对气候变化的日益关注，作物制图是农业人工智能中最常见的任务之一。以葡萄园为例，纹理对作物分割极为重要：借助更高分辨率的卫星影像，多数最先进算法可轻易检测纹理。然而，随着卫星影像分辨率降低且纹理信息变得不可得，该任务愈发困难。本文旨在探索可应用于免费卫星影像的主要机器学习方法，并讨论它们于何时及如何应用于葡萄园分割问题。我们评估了多种广泛使用的机器学习技术的有效性，并为特定场景选择最合适模型提供指导。
引用
@article{arxiv.2311.12993,
title = {AI for Agriculture: the Comparison of Semantic Segmentation Methods for Crop Mapping with Sentinel-2 Imagery},
author = {Irina Korotkova and Natalia Efremova},
journal= {arXiv preprint arXiv:2311.12993},
year = {2023}
}