基于胶囊层与分布式注意力的低分辨率卫星影像时空作物分类
机器学习
2019-04-24 v1 计算机视觉与模式识别
机器学习
摘要
低空间分辨率影像的土地利用分类是遥感中研究最广泛的领域之一。尽管卫星技术显著进步，高分辨率影像缺乏全球覆盖，且长时间获取可能极其昂贵。在无高分辨率影像下准确分类土地利用变化，为监测全球发展议程的重要方面提供了潜力，包括气候智能农业、抗旱作物和可持续土地管理。本文利用胶囊层与长短期记忆层结合分布式注意力，在Sentinel 2影像上以30x30m分辨率实现了时序作物类型分类的最先进精度。
引用
@article{arxiv.1904.10130,
title = {Spatio-temporal crop classification of low-resolution satellite imagery with capsule layers and distributed attention},
author = {John Brandt},
journal= {arXiv preprint arXiv:1904.10130},
year = {2019}
}