基于深度学习的卫星时间序列地块分类中的轮作建模
计算机视觉与模式识别
2021-11-17 v2 人工智能
摘要
尽管年度作物轮作对农业优化起着至关重要的作用，但在自动化作物类型制图中长期被忽视。本文利用日益增多的标注卫星数据，提出首个同时建模地块分类年际与年内农业动态的深度学习方法。配合简单的训练调整，我们的模型相较当前最优的作物分类方法在 mIoU 上提升超过 6.3 个点。此外，我们发布了首个包含超过 300,000 个标注地块的大规模多年农业数据集。
引用
@article{arxiv.2110.08187,
title = {Crop Rotation Modeling for Deep Learning-Based Parcel Classification from Satellite Time Series},
author = {Félix Quinton and Loic Landrieu},
journal= {arXiv preprint arXiv:2110.08187},
year = {2021}
}
备注
Published in Remote Sensing