卷积神经网络在多光谱卫星数据上的最优利用
计算机视觉与模式识别
2020-09-16 v1 机器学习
图像与视频处理
摘要
卫星图像分析将成为实现可持续发展的重要工具。尽管卷积神经网络（CNNs）在自然图像分析中取得了巨大进展，但其在多光谱卫星图像（输入图像具有大量通道）上的应用仍相对未被充分探索。本文比较了利用CNNs挖掘多波段信息的不同方法，并在农业植被（葡萄园）语义分割任务上展示了所有比较方法的性能。我们表明，使用领域专家选定波段的行业标准做法，其测试精度显著低于其他比较方法。具体而言，我们比较了：使用专家指定的波段；使用所有可用波段；在输入波段上学习注意力图；以及利用贝叶斯优化来决定波段选择。我们表明，仅使用所有可用波段信息已能提升测试时性能，并展示了本文首次应用于波段选择的贝叶斯优化可进一步提高精度。
引用
@article{arxiv.2009.07000,
title = {Optimal Use of Multi-spectral Satellite Data with Convolutional Neural Networks},
author = {Sagar Vaze and James Foley and Mohamed Seddiq and Alexey Unagaev and Natalia Efremova},
journal= {arXiv preprint arXiv:2009.07000},
year = {2020}
}
备注
AI for Social Good workshop - Harvard CRCS