卫星多光谱图像时间序列作物分类深度学习模型中的时间-空间权衡
图像与视频处理
2019-10-23 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们研究了多种用于多光谱时间序列作物类型分类的结构化深度学习模型。具体而言，我们的目标是评估空间与时间结构在此类数据中的各自重要性。为此，我们考虑了卷积、循环及混合神经网络的若干设计，并在一个大规模免费 Sentinel-2 影像数据集上评估其性能。我们发现性能最佳的方法是混合配置，其中大部分参数(高达 90%)被分配于对数据时间结构建模。因此，我们的结果构成了一套用于设计定制深度学习作物类型分类模型的指导原则。
引用
@article{arxiv.1901.10503,
title = {Time-Space tradeoff in deep learning models for crop classification on satellite multi-spectral image time series},
author = {Vivien Sainte Fare Garnot and Loic Landrieu and Sebastien Giordano and Nesrine Chehata},
journal= {arXiv preprint arXiv:1901.10503},
year = {2019}
}
备注
Currently under review