基于卷积网络的时空植被像素分类
计算机视觉与模式识别
2019-10-23 v1
摘要
植物物候研究依赖于对植物生命周期的长期监测。高分辨率无人机（UAVs）与近地表技术已被用于植物监测，亟需建立能够跨时空定位与识别植物物种的方法。然而，鉴于数据量大、时间数据集常缺失、时间剖面异质、植物视觉形态多样以及植物群落中个体边界模糊，这是一项具挑战性的任务。在本快报中，我们提出一种适用于物候监测的新方法，基于卷积网络（ConvNets）对高分辨率图像进行时空植被像素分类。我们利用与巴西 Cerrado 生物群系相关的高分辨率植被图像数据集进行了系统评估。实验结果表明所提方法有效，优于其他时空像素分类策略。
引用
@article{arxiv.1903.00774,
title = {Spatio-Temporal Vegetation Pixel Classification By Using Convolutional Networks},
author = {Keiller Nogueira and Jefersson A. dos Santos and Nathalia Menini and Thiago S. F. Silva and Leonor Patricia C. Morellato and Ricardo da S. Torres},
journal= {arXiv preprint arXiv:1903.00774},
year = {2019}
}