基于通道注意力利用 Sentinel-2 时间序列进行土地覆盖分类
计算机视觉与模式识别
2021-04-01 v1 机器学习
神经与进化计算
图像与视频处理
摘要
深度神经网络（DNNs）因依赖卫星图像时间序列（SITS）处理土地覆盖分类（LCC）而受到越来越多的关注。尽管可以取得高性能，但 DNN 所产生预测的依据往往仍不清晰。因此，本文提出了一种针对输入通道表达预测的架构。它依赖于卷积层以及一个对最终分类决策中各通道重要性进行加权的注意力机制。为降低模型复杂度并设立共享核，考虑了通道间的相关性。基于 Sentinel-2 SITS 的实验显示出有前景的结果。
引用
@article{arxiv.2103.16836,
title = {Channel-Based Attention for LCC Using Sentinel-2 Time Series},
author = {Hermann Courteille and A. Benoît and N Méger and A Atto and D. Ienco},
journal= {arXiv preprint arXiv:2103.16836},
year = {2021}
}