連続領域一般化のための活性化回帰と作物分類への応用【JST・京大機械翻訳】

Khanna Samar; Wallace Bram; Bala Kavita; Hariharan Bharath

プレプリント

J-GLOBAL ID：202202214216397600 整理番号：22P0332318

連続領域一般化のための活性化回帰と作物分類への応用【JST・京大機械翻訳】

Activation Regression for Continuous Domain Generalization with Applications to Crop Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月14日プレプリントサーバーでの情報更新日： 2022年04月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

衛星画像の地理的分散は,新しい地域を一般化する機械学習モデルの能力に影響を与える。本論文では,連続領域適応問題として,中分解能Landsat-8衛星画像における地理的一般化をモデル化し,モデルが適切なドメイン知識によりいかに一般化するかを実証した。著者らは,全大陸合衆国にわたって空間的に分布するデータセットを開発し,マルチスペクトルおよび時間分布衛星画像における作物分類に対する地理の影響への巨視的洞察を与えた。提案手法は,1)地理的に相関する気候変数を衛星データと共に変換モデルへ通過させ,2)これらのドメイン変数を再構成するモデル特徴に回帰する,という改善普遍性を示す。結合して,衛星画像における地理的一般化とドメイン知識を活用するための簡単で効果的なアプローチの新しい展望を提供した。コードは,ウルル{https://github.com/samar khanna/cropmap}で利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

写真測量,空中写真 , リモートセンシング一般

, , , ,

前のページに戻る