利用时空卷积网络进行农田地块划分
图像与视频处理
2020-04-21 v2 计算机视觉与模式识别
摘要
农田地块划分提供的地籍数据对于制定和管理气候变化政策十分重要。具体而言，农田地块划分可为土地分配、灌溉、施肥、温室气体 (GHG) 等下游政府政策应用提供信息。该数据对农业保险部门评估与极端天气事件（与气候变化相关的增长趋势）相关的损害补偿也很有用。使用卫星影像是一种可扩展且经济高效的方式，可执行农田地块划分任务以收集这一宝贵数据。在本文中，我们将这一基于卫星影像的任务拆解为两种途径：1) 地块边界分割，以及 2) 地块区域分割。我们实现了 UNet 的若干变体，其中一种考虑了时间信息，在 2017 年法国农田地块数据集上取得了最佳结果。
引用
@article{arxiv.2004.05471,
title = {Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks},
author = {Han Lin Aung and Burak Uzkent and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2004.05471},
year = {2020}
}