实现高级土地覆盖分析：面向预测建模的Dynamic World数据集集成数据提取管道
计算机视觉与模式识别
2025-07-15 v2 机器学习
图像与视频处理
摘要
理解土地覆盖对于众多实际应用具有巨大潜力，尤其是当数据可访问性从专为政府和商业实体所拥有的范围，转变为现在包括更广泛研究社区在内的范围。尽管数据对任何感兴趣探索的社区成员都可被访问，但仍存在巨大的学习曲线，且没有标准化的过程来访问、预处理和利用数据以进行后续任务。在本研究中，我们通过呈现一个灵活且高效的Dynamic World数据集的端到端管道来实现数据民主化，这是一个前沿的近实时土地利用/土地覆盖（LULC）数据集。该管道包括预处理和表示框架，解决噪声移除、大规模数据提取以及LULC数据以适合多个下游任务的再表示问题。为展示管道的强大功能，我们使用其为城市化预测问题提取数据并构建一套在性能方面表现优异的机器学习模型。该任务易于推广到任何类型的土地覆盖预测，我们的管道也与一系列其他下游任务兼容。
关键词
引用
@article{arxiv.2410.09135,
title = {Enabling Advanced Land Cover Analytics: An Integrated Data Extraction Pipeline for Predictive Modeling with the Dynamic World Dataset},
author = {Victor Radermecker and Andrea Zanon and Nancy Thomas and Annita Vapsi and Saba Rahimi and Rama Ramakrishnan and Daniel Borrajo},
journal= {arXiv preprint arXiv:2410.09135},
year = {2025}
}