LSTM 架构在 Sentinel-1 图像时间序列下一帧预测中的应用
机器学习
2020-09-03 v1 神经与进化计算
图像与视频处理
摘要
预测性分析可用于估计未来事件的发展趋势。如今,深度学习(Deep Learning)算法能够做出良好的预测。然而,对于每一类给定的问题,都需要选择最优的架构。在本文中,Stack-LSTM、CNN-LSTM 和 ConvLSTM 模型被应用于 Sentinel-1 雷达图像时间序列,目的是预测序列中的下一次出现。使用 RMSE、MAE 等性能指标、处理时间以及 SSIM 相似度指数评估的实验结果表明,这三种架构中的每一种都能根据所用参数产生良好的结果。
引用
@article{arxiv.2009.00841,
title = {Application of LSTM architectures for next frame forecasting in Sentinel-1 images time series},
author = {Waytehad Moskolaï and Wahabou Abdou and Albert Dipanda and Dina Taiwe Kolyang},
journal= {arXiv preprint arXiv:2009.00841},
year = {2020}
}