sentinel-2 | BriefGPT - AI 论文速递

关键词sentinel-2

搜索结果 - 12

交叉传感器不规则采样 Sentinel-2 时间序列的超分辨率
通过使用多张卫星图像，本研究提出了一种针对 Sentinel-2 时间序列的多图像超分辨率重建算法，并展示了多图像对超分辨率性能的显著改善，同时探讨了光谱保真度和感知质量之间的权衡关系。
PDF25 days ago
DF4LCZ：一种基于 SAM 的场景级局地气候区域分类的数据融合框架
通过与 Sentinel-2 图像相结合，将从高分辨率 Google 图像提取的地面对象先验融合在一起，从而提出了一个用于地表气候分区 (LCZs) 分类的数据融合方法。
PDF2 months ago
PhilEO Bench: 评估地理空间基础模型
本研究介绍了 PhilEO Bench，这是一个用于评估遥感基础模型的创新评估框架，其中包括一个测试平台和一个包含建筑密度估计、道路分割和土地覆盖分类三个下游任务的 400GB Sentinel-2 数据集。通过使用该框架对 Prithvi
PDF4 months ago
使用 Sentinel-1 SAR 和 Sentinel-2 MSI 时序数据的 CNN 回归模型估算建筑物高度图
本研究提出了一种基于卫星数据的多模态建筑高度回归网络，利用 Sentinel-1 和 Sentinel-2 卫星时间序列数据，在 10m 空间分辨率下估计建筑高度，在荷兰的 10 个城市进行训练和测试，得出了良好的性能结果，证明其在准确估计
PDFa year ago
基于半监督学习的上下文感知的变化检测
本研究提出了一种利用前灾难时期光学数据进行变化检测任务的模型，并针对灾害受影响区域开发了 Context-Aware Change Detection Network（CACDN）。使用 Area Under the Precision-R
PDFa year ago
THRawS: 一种新的用于探测 Sentinel-2 原始数据中热点的数据集
为了促进卫星上的能耗高效预处理算法和人工智能模型的研究，该论文提出了 THRawS，这是第一个包含整个地球的 Sentinel-2 卫星的原始温度热点数据集，包括野火和火山喷发等热点事件，还比较了核心配准技术和超级胶神经网络方法在场景中的时
PDFa year ago
使用循环神经网络从多时相 Sentinel-2 数据中检测城市变化
本文介绍了一种基于深度学习方法的城市变化检测框架，该框架结合了全卷积网络和强大的循环神经网络，能够在 Sentinel-2 数据集上对城市变化进行更精确的检测。实验结果表明，该框架在测试数据集上达到了 95% 的整体精度和 1.5% 的增加
PDF5 years ago
使用 Sentinel-2 卫星进行全国范围高分辨率植被高度制图
文章利用收集的静止卫星 Sentinel-2 多光谱图像，通过基于深度卷积神经网络 (CNN) 的图像处理，从反射图像中提取适合的光谱和纹理特征，以回归像素高度来估算瑞士和加蓬的植被高度，从而在国家范围内生成 10 米地面采样距离 (GSD
PDF5 years ago
BigEarthNet: 遥感图像大规模基准数据集
本文介绍了 BigEarthNet—— 一个新的大规模多标签 Sentinel-2 基准数据集，它可以为深度学习提供更方便的训练源，并在遥感图像场景分类问题方面显示出明显的优越性。
PDF5 years ago
DuPLO: 一种用于时间序列分类的双视角深度学习架构
本文提出了使用深度学习技术分析 SITS 数据的方法（DUal view Point deep Learning architecture for time series classificatiOn），利用卷积神经网络和循环神经网络结合的
PDF6 years ago
Sentinel-2 影像的超分辨率：学习一个全球通用的深度神经网络
本研究旨在将 Sentinel-2 卫星影像的低分辨率（20m 和 60m 采样距离）图像超分辨率重建到 10m 采样距离，采用了基于卷积神经网络的端到端上采样方法，命名为 DSen2，在 RMSE 性能上优于最佳比较方法近 50％，以视觉
PDF6 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