satellite image time series | BriefGPT

关键词satellite image time series

搜索结果 - 10

卫星影像时序的多模态视觉转换器用于作物分类
通过使用来自不同卫星传感器获取的图像，已经证实在卫星图像时间序列（SITS）的作物分布图框架中，可以提高分类性能。现有的最新架构使用自注意机制处理时间维度和卷积处理空间维度。受到单模态 SITS 作物分布图中纯注意力架构的成功启发，我们引入
PDF12 days ago
通过特征解耦和对比学习来提升土地覆盖分类中的跨年数据再利用
基于最新的域自适应和泛化进展，我们提出了一种深度学习框架 (REFeD) 来结合来自两个不同领域的遥感和参考数据 (例如历史数据和新数据)，以改善当前的土地覆盖映射过程。实验评估结果表明，来自相同 (或类似) 研究地点的不同时间段的年度外信
PDF3 months ago
卫星图像时间序列分析的深度学习：一综述
利用深度学习方法对卫星图像时间序列数据进行环境、农业和其他地球观测变量的建模的最新方法进行了综述，为遥感专家提供了一个利用时间信息增强地球观测模型的资源。
PDF3 months ago
卫星影像时间序列编码的重新思考
通过将卫星图像时间序列处理作为直接的集合预测问题，将其表示学习过程分解为三个明确步骤：集合 - 更新 - 分散，使我们的模型在 PASTIS 数据集上取得了新的最先进结果，比如 U-TAE 等自定义神经结构。此外，通过将时间和空间组件在可视
PDFa year ago
多类别场景下土地覆盖映射的反事实解释
本文提出了一种基于生成对抗的反事实方法来处理多类土地覆盖分类任务中的卫星图像时间序列数据，通过寻找、展示样本沿决策边界的类似样本，增强深度学习模型的可解释性。该方法具有先前方法相比灵活性高、可解释性强的特点。
PDF2 years ago
MM利用部分卷积的深度神经网络对卫星图像时间序列进行高效数据驱动的缺口填充
本文研究如何使用三维空间时间部分卷积作为神经网络的层来填补卫星图像时间序列中的缺失，然后将 U-Net 模型应用于 Sentinel-5P 卫星所提供的不完整的全球一氧化碳观测的图像时间序列，并将结果与两种统计方法进行比较，结果表明预测误差
PDF2 years ago
TimeMatch：通过时间偏移估计进行无监督的跨区域适应
提出了一种面向卫星图像时间序列的作物分类跨区域适应技术 TimeMatch，考虑了时间漂移的影响，通过估算目标区域与源区域之间的时间漂移并重新训练模型来提高适应性，在跨欧洲四个区域的数据集中，TimeMatch 的实验平均 F1 得分优于所
PDF3 years ago
ICCV卷积时间注意力网络实现卫星图像时间序列的全景分割
本篇论文提出了一种全新的端到端的、适合于处理卫星图像时间序列的像素级全景分割方法，并通过引入时序的注意力机制，提取了丰富且自适应的多尺度时空特征，同时还开发了第一个完全公开的卫星图像时间序列数据集 PASTIS，并展示了该方法在语义分割任务
PDF3 years ago
基于图像时间序列的作物分类映射：使用多尺度标签层次结构的深度学习
本文旨在通过分类卫星图像时间序列来绘制农作物的地图，开发了一种利用专家知识的农作物分类方法，并将三级标签层次结构编码至卷积循环神经网络中，该神经网络能够同时学习罕见珍贵类别在更宏观层次上的特征表示，提高了细粒度分类的性能，并能够根据置信度和
PDF3 years ago
基于像素集编码器和时间自注意力机制的卫星图像时间序列分类
本研究提出了一种替代卷积神经网络的方法来自动分类卫星图像时间序列。使用基于 Self-Attention 的神经网络的时间特征提取方法来优化处理效率，并且发布了一个用于卫星图像时间序列研究的大型开放访问数据集。
PDF5 years ago