研究目的
通过提出一个新颖的数据集,并在该数据集上评估最先进的深度卷积神经网络(CNN),以应对利用哨兵2号卫星图像进行土地利用和土地覆盖分类的挑战。
研究成果
所提出的EuroSAT数据集及分类系统总体准确率达到98.57%,为土地利用与土地覆盖变化检测、地理地图改进等各类地球观测应用铺平了道路。
研究不足
该数据集未进行大气校正,可能导致图像出现色偏。研究未对这些情况加以筛选,可能影响分类器的学习过程。
研究目的
通过提出一个新颖的数据集,并在该数据集上评估最先进的深度卷积神经网络(CNN),以应对利用哨兵2号卫星图像进行土地利用和土地覆盖分类的挑战。
研究成果
所提出的EuroSAT数据集及分类系统总体准确率达到98.57%,为土地利用与土地覆盖变化检测、地理地图改进等各类地球观测应用铺平了道路。
研究不足
该数据集未进行大气校正,可能导致图像出现色偏。研究未对这些情况加以筛选,可能影响分类器的学习过程。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚(2018年7月22日-2018年7月27日)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 欧洲卫星数据集发布:面向土地利用与土地覆盖分类的新型数据集与深度学习基准测试”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期