基准测试面向谷物作物类型映射的高光谱图像分类基石模型
计算机视觉与模式识别
2025-10-15 v2
摘要
基石模型正在改变地球观测，但其在高光谱作物映射中的潜力仍未得到充分探索。本研究对三种基石模型进行基准测试，用于高光谱谷物作物映射：HyperSigma、DOFA和基于SpectralEarth数据集预训练的Vision Transformer。对模型在训练区域上使用手动标记数据进行微调，并在独立的测试区域上进行评估。以总体准确率(OA)、平均准确率(AA)和F1得分衡量性能。HyperSigma实现了34.5%的OA(+/- 1.8%)，DOFA达到了62.6%(+/- 3.5%)，而SpectralEarth模型实现了93.5%的OA(+/- 0.8%)。一个紧凑的SpectralEarth变体从头训练实现了91%的准确率，凸显了模型架构在不同地理区域和传感器平台上实现强泛化的重要性。这些结果为面向实际运营的高光谱作物映射提供了系统性评估，并为未来模型开发指明了方向。
引用
@article{arxiv.2510.11576,
title = {Benchmarking foundation models for hyperspectral image classification: Application to cereal crop type mapping},
author = {Walid Elbarz and Mohamed Bourriz and Hicham Hajji and Hamd Ait Abdelali and François Bourzeix},
journal= {arXiv preprint arXiv:2510.11576},
year = {2025}
}
备注
currently being reviewed for WHISPERS conference ( Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing )