M3Fusion：一种用于多尺度/模态/时相卫星数据融合的深度学习架构
计算机视觉与模式识别
2018-03-07 v1
摘要
现代对地观测系统提供不同时间分辨率与空间分辨率的传感数据。在光学传感器中，如今的Sentinel-2计划提供高时间分辨率（每5天）与高空间分辨率（10m）影像，可用于监测土地覆盖动态。另一方面，甚高空间分辨率影像（VHSR）仍是刻画精细空间格局土地覆盖制图的重要工具。如何理解高效利用这些互补信息源以应对土地覆盖制图仍具挑战。为通过融合多时相高空间分辨率与甚高空间分辨率卫星影像解决土地覆盖制图，我们提出一种端到端深度学习框架，名为M3Fusion，能够同时利用时间序列数据中的时相知识以及VHSR信息中的精细空间信息。在留尼汪岛研究区开展的实验从定量与定性方面评估了我们方法的质量。
引用
@article{arxiv.1803.01945,
title = {M3Fusion: A Deep Learning Architecture for Multi-{Scale/Modal/Temporal} satellite data fusion},
author = {P. Benedetti and D. Ienco and R. Gaetano and K. Osé and R. Pensa and S. Dupuy},
journal= {arXiv preprint arXiv:1803.01945},
year = {2018}
}