基于广义植被指数的有效数据融合：来自农业土地覆盖分割的证据
计算机视觉与模式识别
2020-05-11 v1
摘要
我们如何有效利用遥感领域的知识，从卫星图像中更好地分割农业土地覆盖？在本文中，我们提出了一种新颖的、模型无关的、用于植被相关计算机视觉任务的数据融合方法。受领域专家引入的各种植被指数（VIs）的启发，我们系统地回顾了遥感中广泛使用的 VIs 及其融入深度神经网络的可行性。为充分利用近红外通道、传统的红-绿-蓝通道以及植被指数或其变体，我们提出了广义植被指数（GVI），这是一个轻量级模块，可轻松插入许多神经网络架构中作为额外信息输入。为顺利训练带有我们 GVI 的模型，我们开发了加性组归一化（AGN）模块，该模块不需要预设神经网络的额外参数。我们的方法将植被相关类别的 IoU 提高了 0.9-1.3 个百分点，并在我们的基线上将整体 mIoU 一致提高了 2 个百分点。
引用
@article{arxiv.2005.03743,
title = {Effective Data Fusion with Generalized Vegetation Index: Evidence from Land Cover Segmentation in Agriculture},
author = {Hao Sheng and Xiao Chen and Jingyi Su and Ram Rajagopal and Andrew Ng},
journal= {arXiv preprint arXiv:2005.03743},
year = {2020}
}
备注
CVPR 2020 - Vision for Agriculture; https://www.agriculture-vision.com