基于多重正则化深度学习从 LANDSAT-8 影像进行水稻生长阶段分类
计算机视觉与模式识别
2016-10-07 v1 神经与进化计算
摘要
本研究利用遥感技术，该技术能够快速、空间化地提供地球表面区域状况信息。研究区域位于印度尼西亚西爪哇省北部的卡拉旺县。我们利用 2015 年 10 月至 2016 年 8 月期间获取的多传感器遥感影像中的 LANDSAT 8 影像数据，进行水稻生长阶段分类。本研究通过在深度神经网络 (DNN) 和一维卷积神经网络 (1-D CNN) 等深度学习方法上采用多重正则化学习，追求快速且准确的水稻生长阶段分类。所使用的正则化方法包括快速 Dropout、Dropout 和批归一化 (Batch Normalization)。为评估有效性，我们还将所提方法与其他机器学习方法（如逻辑回归、支持向量机、随机森林和 XGBoost）进行了比较。所用数据为 LANDSAT-8 光谱数据的七个波段样本，这些样本对应于从 i-Sky（天空之眼）创新系统获取的水稻生长阶段数据。生长阶段根据 LANDSAT-8 影像时间序列的水稻作物物候曲线确定。分类结果表明，使用多重正则化 Dropout 和批归一化的多层感知机 (MLP) 在该数据集上取得了最高准确率。
引用
@article{arxiv.1610.01795,
title = {Multiple Regularizations Deep Learning for Paddy Growth Stages Classification from LANDSAT-8},
author = {Ines Heidieni Ikasari and Vina Ayumi and Mohamad Ivan Fanany and Sidik Mulyono},
journal= {arXiv preprint arXiv:1610.01795},
year = {2016}
}
备注
11 pages