MMJan, 2019
基于端到端学习的时间序列早期分类,用于季节性农作物类型映射
End-to-End Learned Early Classification of Time Series for In-Season Crop Type Mapping
Marc Rußwurm, Nicolas Courty, Rémi Emonet, Sébastien Lefèvre, Devis Tuia...
TL;DR本文提出了基于 End-to-End Learned Early Classification of Time Series (ELECTS) 的模型,通过训练远程感知卫星获取的时间序列数据来进行预测并提高农作物分类的准确性和判断速度。该模型不仅可以提高分类准确性,同时还能在不降低准确性的情况下尽可能地减少需要下载、存储和处理的数据量。