基于像素集编码器与时间自注意力的卫星图像时间序列分类
计算机视觉与模式识别
2019-11-19 v1
摘要
卫星图像时间序列因其日益增强的可获取性，正处于国际机构推进地球自动监测广泛努力的前沿。其中，农业地块的大规模管控是具有重大政治与经济意义的问题。就此而言，混合卷积-循环神经网络架构已在卫星图像时间序列的自动分类中展现出可喜结果。我们提出一种替代方法，以作用于无序像素集的编码器有利地替代卷积层，从而利用公开可用卫星图像通常较粗的分辨率。我们还提出使用基于自注意力的定制神经架构而非循环网络来提取时间特征。我们通过实验证明，我们的方法不仅在精度上优于先前最先进的方法，还显著降低了处理时间与内存需求。最后，我们发布了一个大型开放获取标注数据集，作为卫星图像时间序列未来工作的基准。
引用
@article{arxiv.1911.07757,
title = {Satellite Image Time Series Classification with Pixel-Set Encoders and Temporal Self-Attention},
author = {Vivien Sainte Fare Garnot and Loic Landrieu and Sebastien Giordano and Nesrine Chehata},
journal= {arXiv preprint arXiv:1911.07757},
year = {2019}
}