用于作物分类的时间门控卷积神经网络
计算机视觉与模式识别
2022-06-22 v1 机器学习
图像与视频处理
摘要
本文提出了一种最先进的框架——时间门控卷积神经网络（TGCNN），该框架利用时间信息与门控机制解决作物分类问题。此外，我们构建了若干植被指数以扩展输入数据的维度，从而利用光谱信息。TGCNN 同时考虑了空间（通道维）与时间（步长维）相关性。具体而言，我们的初步分析表明在该数据集中步长维信息更为重要。最后，门控机制有助于捕获高阶关系。我们的 TGCNN 方案分别取得了 的 F1 分数、 的 AUC ROC 和 的 IoU。此外，它在不同局部任务（肯尼亚、巴西和多哥）上优于其他三个基准方法。总体而言，我们的实验表明 TGCNN 在该地球观测时间序列分类任务中具有优势。
引用
@article{arxiv.2206.09756,
title = {Time Gated Convolutional Neural Networks for Crop Classification},
author = {Longlong Weng and Yashu Kang and Kezhao Jiang and Chunlei Chen},
journal= {arXiv preprint arXiv:2206.09756},
year = {2022}
}