用于卫星图像时间序列分类的轻量时序自注意力
计算机视觉与模式识别
2020-07-09 v3 机器学习
摘要
地球观测卫星数据可获取性与精度的提升，为工业界和国家机构带来了可观的机遇。然而，这需要能够在全球尺度上处理时间序列的高效方法。基于近期采用多头自注意力机制对遥感时间序列进行分类的工作，我们提出了对时序注意力编码器的一种改进。在我们的网络中，时序输入的通道被分配给若干个并行运行的紧凑注意力头。每个头提取高度专门化的时序特征，这些特征进而被拼接为单一表示。我们的方法在一个开放获取的卫星图像数据集上优于其他最先进的时间序列分类算法，同时使用了显著更少的参数并降低了计算复杂度。
引用
@article{arxiv.2007.00586,
title = {Lightweight Temporal Self-Attention for Classifying Satellite Image Time Series},
author = {Vivien Sainte Fare Garnot and Loic Landrieu},
journal= {arXiv preprint arXiv:2007.00586},
year = {2020}
}