学术中心
基于图像时间序列的作物映射
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-03-07 06:10
- 访问量：
【概要描述】本文开发了一种利用这些专业知识的作物分类方法，该方法能够显著改进稀有作物类型的映射。
基于图像时间序列的作物映射
【概要描述】本文开发了一种利用这些专业知识的作物分类方法，该方法能够显著改进稀有作物类型的映射。
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-03-07 06:10
- 访问量：
本文的目的是通过对卫星图像时间序列进行分类来绘制农作物映射。农业领域专家使用以树状结构组织的农作物类型标签，其中将粗类(如果园)细分为较细的类(如苹果，梨，藤蔓等)。本文开发了一种利用这些专业知识的作物分类方法，该方法能够显著改进稀有作物类型的映射。
ZueriCrop数据集的所有作物类别的层次结构
2019年收集的ZueriCrop数据集概述
首先，在卷积递归神经网络(convRNN)中对三层标签层次结构进行编码，使得该模型可以针对每个像素，以不同的粒度级别进行预测。这种端到端可训练的分层网络结构允许模型在较粗的层次(如果园)学习稀有类(如苹果、梨)的联合特征表示，从而提高细粒度层次的分类性能。此外，不同粒度的标签也可以根据分类分数调整输出，因为在农业实践中，具有高可信度的粗标签有时比细粒度但非常不确定的标签更有用。我们在公开的一个新的大型数据集——ZueriCrop，上验证了所提出的方法。该数据集覆盖了瑞士苏黎世和瑟高两个州50 km x 48 km的区域，共有116'000块农田，48个作物类别，以及28000个(多时相)图像块。我们比较了本文提出的分层convRNN模型与几种基线，包括为不平衡类分布设计的方法。结果显示，该分层方法在F1成绩中的表现至少优于9.9个百分点。
各种样品的目测结果
来源：
Turkoglu M O, D'Aronco S, Perich G, et al. Crop mapping from image time series: deep learning with multi-scale label hierarchies. arXiv:2102.08820.
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯
慧诺瑞德（北京）科技有限公司版权所有 京ICP备15043840号 网站建设：中企动力 北二分 法律声明