land use | BriefGPT - AI 论文速递

关键词land use

搜索结果 - 11

利用多标签软分类量化异质生态系统服务
利用遥感技术和机器学习方法，本文展示了如何使用软件、多标签分类器来预测具有复杂异质性的生态系统服务。
PDF8 days ago
土地利用规划的有效政策发现
通过使用历史数据和碳排放 / 吸收模拟，构建了一个代理模型，结合进化搜索过程，能够高效评估不同地点的土地利用政策，提供了一个潜在有用的土地利用规划工具。
PDF7 months ago
时间嵌入：基于时空数据的可扩展无监督时序表征学习，用于多模态计算机视觉
地理空间活动与土地利用类型之间存在相关性。提出一种新颖的自监督方法，基于运动活动时间序列对景观进行分层。时间序列信号首先转换到频域，然后通过压缩自编码器转换为与任务无关的时间嵌入，该方法保留了时间序列中观察到的循环时间模式。通过深度语义分割
PDF9 months ago
自监督时空数据的时间分析
通过自我监督学习方法，将地理空间活动时间序列转化成任务无关的时间嵌入表示，然后使用深度语义分割，将这些嵌入转换成用于下游任务的基于图像通道的表示，实现对住宅区和商业区等不同类型用地的分类。
PDFa year ago
CVPRDynamicEarthNet：语义变化分割日常多光谱卫星数据集
这篇文章介绍了一种名为 DynamicEarthNet 的数据集，其中包含每日地球观测数据和 7 种土地利用和覆盖类别的高质量标签，提供了研究土地利用演变方面的极其有用的资源。此外，文章还提出了一个新的评估指标 SCS 以应对时间序列语义变
PDF2 years ago
KDD增强型注意力时空分割用于地物覆盖制图
本文介绍一种基于 UNet 结构，与双向 LSTM 和 Attention 机制相结合的创新架构，旨在共同利用卫星数据的时空性质，更好地识别各种土地覆盖的独特时间模式，并将其用于全球多个地区的作物测绘。实验结果表明，该方法能够缓解噪声和识
PDF3 years ago
MM一种远程感知场景分类的分层方法
使用层级方法设计的卷积神经网络框架在遥感场景分类中表现良好，但叠加结构中的分类错误累积阻碍了其分类性能超越非层级深层模型。
PDF3 years ago
基于顺序循环编码器的多时相土地覆被分类
本研究提出一种基于序列编码器 - 解码器结构的植被类的物候模型，特别考虑了观测序列中的云量过滤，最终使用无需繁琐的预处理步骤实现了无云涵盖下对不同种类的农作物进行地表覆盖分类的最佳结果。
PDF6 years ago
CVPR世界功能地图
介绍了一个新的数据集，称为 “世界功能地图（fMoW）”，旨在激发机器学习模型的开发，从卫星图像的时间序列和丰富的元数据特征中预测建筑物和土地用途的功能目的。
PDF7 years ago
EuroSAT：一个用于土地利用和覆盖分类的新数据集和深度学习基准
本文介绍一种针对 Sentinel-2 卫星图像进行土地利用和土地覆盖分类的方法，提供了一个包含 13 个光谱波段及 10 类共 27,000 个标记和地理参考图像的新数据集，并使用最先进的深度卷积神经网络提供了基准测试。通过这一分类系统，
PDF7 years ago
利用卷积网络和卫星图像在大范围内识别城市环境模式
利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。
PDF7 years ago