从像素学习县域：基于注意力加权多实例学习的玉米产量预测
计算机视觉与模式识别
2025-08-27 v4 人工智能
摘要
遥感技术已成为产量预测中一种有前景的工具。以往大多数工作采用卫星影像进行县域级玉米产量预测，通过将县域内所有像素空间聚合为单一值，可能忽略了更细粒度数据所提供的详细信息与宝贵见解。为此，本研究在像素级别审视每个县域，并应用多实例学习以利用县域内的详细信息。此外，我们的方法解决了因特征数据集与作物掩膜分辨率不一致而导致的“混合像素”问题，该问题可能向模型引入噪声，从而阻碍准确的产量预测。具体而言，采用注意力机制自动为不同像素分配权重，可减轻混合像素的影响。实验结果表明，所开发模型在过去五年中在美国玉米带优于其他四种机器学习模型，并在2022年表现最佳，决定系数（R²）达到0.84，均方根误差（RMSE）为0.83。本文从空间和时间两个角度展示了我们方法的优势。此外，通过对混合像素与注意力之间关系的深入研究，验证了我们的方法能够捕获关键特征信息，同时滤除混合像素中的噪声。
引用
@article{arxiv.2312.01001,
title = {Learning county from pixels: corn yield prediction with attention-weighted multiple instance learning},
author = {Xiaoyu Wang and Yuchi Ma and Qunying Huang and Zhengwei Yang and Zhou Zhang},
journal= {arXiv preprint arXiv:2312.01001},
year = {2025}
}
备注
I am writing to request the resubmission of my paper submitted to arXiv