土地覆盖图像分类
计算机视觉与模式识别
2024-01-19 v1 机器学习
图像与视频处理
摘要
土地覆盖（LC）图像分类在理解环境变化、城市规划和灾害管理中变得越来越重要。然而，传统的LC方法通常劳动密集且容易出错。本文探索了最先进的深度学习模型，以提高LC分析的准确性和效率。我们比较了卷积神经网络（CNN）和基于Transformer的方法，展示了它们在LC研究中的应用和优势。我们使用了基于Sentinel-2卫星图像的补丁级LC分类数据集EuroSAT，并利用当前的Transformer模型取得了最先进的结果。
引用
@article{arxiv.2401.09607,
title = {Land Cover Image Classification},
author = {Antonio Rangel and Juan Terven and Diana M. Cordova-Esparza and E. A. Chavez-Urbiola},
journal= {arXiv preprint arXiv:2401.09607},
year = {2024}
}
备注
7 pages, 4 figures, 1 table, published in conference