land cover mapping | BriefGPT

关键词land cover mapping

搜索结果 - 10

SynRS3D: 通过单目遥感影像进行全球三维语义理解的合成数据集
从单视图的高分辨率遥感图像实现全球语义三维理解是地球观测领域的关键问题之一。本论文介绍了专门为地球观测领域开发的合成数据生成流程，并提出了全球最大的合成卫星影像三维数据集 SynRS3D，其中包括 69667 幅高分辨率光学图像，覆盖了全球
PDF8 days ago
多光谱、高光谱和高空间分辨率航空影像的深度学习语义分割评估
该研究使用深度学习语义分割方法，在多光谱、高光谱和高空间分辨率的航拍图像数据集上进行了土地覆盖分类，其中 LinkNet 模型在所有数据集中获得了高 IoU 准确率 0.92，评估结果显示多光谱图像在 IoU 和 F1 得分上表现更佳，展示
PDF14 days ago
全球高分辨率土地覆盖图的弱监督方法
利用弱监督领域自适应方法，基于原型伪标签修正和扩展，实现高分类分辨率土地覆盖图，并在不同地区的 10 个城市中实现跨传感器、跨类别和跨大陆的地形适应，总体精度超过 80%。
PDFa month ago
CVPR无监督领域适应结构搜索与自我训练用于地表覆盖图制作
通过将马尔可夫随机场神经架构搜索（MRF-NAS）与自训练无监督域适应（UDA）结合为单一框架，本研究在有限的计算预算下为土地覆盖映射任务搜索出高效且有效的轻量级神经网络，该网络在 OpenEarthMap 和 FLAIR＃1 这两个近期数
PDF2 months ago
日本的亚米地表覆盖物绘制
利用深度学习方法，通过低成本的标注方式，首次实现了在日本全国范围内对八个类别的亚米级土地覆盖进行地图绘制，该方法利用了全球亚米级土地覆盖基准数据集 OpenEarthMap 中 U-Net 模型，通过在训练失败区域重新训练模型，总体准确度提
PDF7 months ago
图卢兹高光谱数据集：用于评估半监督光谱表示学习和像素级分类技术的基准数据集
通过空中高光谱图像，利用具有极高空间和光谱分辨率以及覆盖广泛光谱领域的特点，进行大型城市地表覆盖的绘制。然而，由于训练数据的有限性，利用现有机器学习算法对地表覆盖进行绘制的能力受到了严重限制。针对标记数据的稀缺性，半监督和自监督技术引起了社
PDF8 months ago
FLAIR #2: 多源光学图像的纹理和时间信息用于语义分割
该研究介绍了 FLAIR #2 数据集，它利用高分辨率航空影像和高分辨率卫星影像的时间和光谱信息进行地物语义分割和地表覆盖制图，以此促进创新和提高我们对领土的了解。
PDFa year ago
KDD使用群体级别标签进行弱监督分类
本文提出使用群体级别二元标签作为弱监督来训练示例级别二元分类模型的方法，并将群体级别标签建模为个体实例的条件嘈杂标签，并使用嘈杂标签来调整在强标记实例上训练的模型的预测。实验结果表明，该方法对地表覆盖映射等真实应用具有实用价值，无论类别不平
PDF3 years ago
KDD增强型自监督聚类学习：应用于土地覆盖地图制作
通过聚类为自监督学习的前提任务，提出了一种用于土地覆盖映射的方法，通过所得聚类结构进行主动采样，提高映射准确性。
PDF3 years ago
ECCV挖掘自相似性：用微表征表示进行标签超分辨率
通过 epitomes 这种简单的基于 patch 模型，我们可以在语义分割和标签超分辨率等领域中取得超越卷积神经网络的优异表现。我们提出了一种新的 epitomes 训练算法，从而首次能够从非常大的数据集中进行学习，并将 epitomes
PDF4 years ago