基于深度迁移学习的遥感数据玉米与大豆产量同步预测
计算机视觉与模式识别
2021-06-04 v3 机器学习
图像与视频处理
定量方法
应用统计
摘要
大规模作物产量估算在一定程度上得益于遥感数据的可获取性，使得作物在整个生长周期中能够被连续监测。拥有这些信息使利益相关方能够做出实时决策以最大化产量潜力。尽管现有多种从遥感数据预测产量的模型，但目前尚不存在能够同时估算多种作物产量并从而得出更准确预测的方法。一种能够预测多种作物产量并同时考虑多种作物产量间相互作用的模型。我们提出了一种称为 YieldNet 的新卷积神经网络模型，其利用一种新颖的深度学习框架，通过共享骨干特征提取器的权重在玉米与大豆产量预测之间进行迁移学习。此外，为考虑多目标响应变量，我们提出了一种新的损失函数。我们使用来自美国 1,132 个县玉米和 1,076 个县大豆的数据进行实验。数值结果表明，我们提出的方法在收获前一到四个月准确预测玉米和大豆产量，其 MAE 分别为平均产量的 8.74% 和 8.70%，且与其他 state-of-the-art 方法具有竞争力。
引用
@article{arxiv.2012.03129,
title = {Simultaneous Corn and Soybean Yield Prediction from Remote Sensing Data Using Deep Transfer Learning},
author = {Saeed Khaki and Hieu Pham and Lizhi Wang},
journal= {arXiv preprint arXiv:2012.03129},
year = {2021}
}
备注
14 pages, 8 figures, 7 tables