基于神经进化的热带森林毁林检测分类器
计算机视觉与模式识别
2022-08-24 v1
摘要
热带森林是地球上无数动植物物种的家园，固存数十亿吨碳足迹，促进云与雨的形成，在全球生态系统中扮演关键角色，同时也是无数原住民的居所。不幸的是，每年有数百万公顷热带森林因毁林或退化而消失。为缓解此状况，除预防与惩治罪犯的公共政策外，监测与毁林检测项目亦在运行。这些监测/检测项目通常利用遥感影像、图像处理技术、机器学习方法及专家目视解译来分析和识别、量化森林覆盖的可能变化。若干项目已提出不同计算方法、工具与模型以高效识别近期毁林区域，改进热带森林毁林监测项目。就此，本文提出在热带森林毁林检测任务中使用基于神经进化技术（NEAT）的pattern分类器。此外，我们创建了名为e-NEAT的新框架，在目标应用中使用极少量且有限训练集学习分类模型，取得了平衡准确率 above 的分类结果。这些结果相对本文所比最佳基线集成方法获得了的相对提升。
引用
@article{arxiv.2208.11058,
title = {Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests},
author = {Guilherme A. Pimenta and Fernanda B. J. R. Dallaqua and Alvaro Fazenda and Fabio A. Faria},
journal= {arXiv preprint arXiv:2208.11058},
year = {2022}
}
备注
6 pages, accepted for presentation at the SIBGRAPI 2022