利用 EuroSAT 和迁移学习进行土地利用与土地覆盖 (LULC) 制图
计算机视觉与模式识别
2024-01-08 v1 人工智能
机器学习
摘要
随着全球人口持续增长，对自然资源的需求也在增加。不幸的是，人类活动占温室气体排放量的 23%。值得庆幸的是，遥感技术已成为管理我们环境的宝贵工具。这些技术使我们能够监测土地利用、规划城市区域，并推动农业、气候变化缓解、灾害恢复和环境监测等领域的进步。人工智能、计算机视觉和地球观测数据的最新进展使得土地利用制图的精度达到了前所未有的水平。通过使用迁移学习并利用 RGB 波段进行微调，我们在土地利用分析中取得了令人印象深刻的 99.19% 的准确率。此类发现可用于为保护和城市规划政策提供信息。
引用
@article{arxiv.2401.02424,
title = {Mapping of Land Use and Land Cover (LULC) using EuroSAT and Transfer Learning},
author = {Suman Kunwar and Jannatul Ferdush},
journal= {arXiv preprint arXiv:2401.02424},
year = {2024}
}
备注
10 pages, 7 figures