基于体数据的时空作物分类
计算机视觉与模式识别
2021-03-19 v1
摘要
利用多光谱影像的大区域作物分类是几十年来被广泛研究的问题，通常借助经典随机森林分类器解决。近来，深度卷积神经网络（DCNN）被提出。然而，这些方法仅取得与随机森林相当的结果。在本工作中，我们提出一种基于 CNN 的新型架构用于大区域作物分类。我们的方法同时通过 3D CNN 进行时空分析以及通过 1D CNN 进行时间分析。我们在 Yolo 和 Imperial 县基准数据集上评估了方法的有效性。我们的组合策略在分类精度上以 2% 的优势超越经典及近期基于 DCNN 的方法，同时保持最少参数数量和最低推理时间。
引用
@article{arxiv.2103.10050,
title = {Spatio-temporal Crop Classification On Volumetric Data},
author = {Muhammad Usman Qadeer and Salar Saeed and Murtaza Taj and Abubakr Muhammad},
journal= {arXiv preprint arXiv:2103.10050},
year = {2021}
}
备注
Submitted to ICIP 2021