spectral bands | BriefGPT - AI 论文速递

关键词spectral bands

搜索结果 - 10

解读语义分割模型以便进行海岸线检测
利用深度学习语义分割模型对海岸线卫星图像进行分类，以建立对模型的信任并获取关于海岸水体提取过程的新见解。通过排列重要性方法，研究了哪些光谱波段对预测分割掩模最为重要，结果显示 NIR 是最重要的光谱波段，其排列导致准确性下降 38.12 个
PDF2 months ago
S$^2$Mamba：一种面向高光谱遥感图像分类的空间 - 光谱状态空间模型
通过创新性地提出 S^2Mamba，即一种适用于高光谱图像分类的空间 - 光谱状态空间模型，以发掘空间 - 光谱上下文特征，实现更高效准确的土地覆盖分析。
PDF2 months ago
CVPRIrrNet: 利用遥感图像的增量补丁尺寸训练推进灌溉映射
通过采用渐进式训练方法，在水利映射中利用遥感数据，特别是使用 Landsat 5 和 7 的数据集，并通过 WRLU 数据集进行精确标注，进一步提高现有先进模型约 20% 的性能，并分析了各种光谱波段对性能的影响，从而为利用遥感图像进行水利
PDF3 months ago
亚马逊森林破坏检测任务的卫星频带选择框架
该研究引入了一种新颖的框架，利用 Univariate Marginal Distribution Algorithm（UMDA）从 Landsat-8 卫星中选择光谱波段，优化破坏森林地区的表示。这种选择指导了语义分割架构 DeepLab
PDF3 months ago
利用高光谱图像检测蜜蜂上的 Varroa destructor
通过多元统计方法，利用高光谱成像技术检测西方蜜蜂身上的寄生性螨虫 Varroa destructor，实现对蜂箱的方便和连续监测，同时提出了一种根据特定波长有效分离蜜蜂和寄生螨虫的策略，用于设计特殊波段相机。研究发现，仅需四个光谱带就能准确
PDF3 months ago
BenchCloudVision: 云检测和遥感影像云分割的深度学习方法评估
对云的分割从遥感图像进行了七种切割和检测算法的基准分析，评估了其架构方法，并确定了最佳性能。评估了模型在使用少量光谱波段进行云图分割时的灵活性。使用 Sentinel-2 和 Landsat-8 作为数据集进行了实验验证。
PDF4 months ago
基于 CNN 模型传播的波段级高光谱图像融合
提出了一种新的深度学习方法，该方法在每个波段中通过基于先前波段调整的模型进行泛光锐化，适应性和灵活性都得到了改善，并且无需具有固定数量的光谱波段和大量昂贵的标记训练数据集。该方法在数据集上取得了非常好的结果，优于传统方法和深度学习方法。
PDF8 months ago
深度多光谱分割模型对自然扰动和数据污染的鲁棒性量化
本文旨在研究一种多光谱（RGB 和近红外）图像分割模型在遭受对抗攻击和自然扰动时的性能和鲁棒性，并发现，无论是 RGB 模型还是多光谱模型都容易受到数据污染攻击的影响。然而，自然扰动的影响取决于融合架构和输入数据的不同。
PDFa year ago
ICML基于集合方法的高光谱波段选择技术在葡萄叶片氮素状态检测中的应用
本研究的目标是使用集成特征选择方法，在来自 150 株葡萄藤的 3,000 多张叶片的高光谱数据中，确定检测葡萄叶片中氮含量的最佳波段，最终确认了紫外、黄橙色和短波红外波段对于远程探测葡萄氮素具有潜在意义，并对应用于其他领域的多光谱传感器设
PDF4 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