Investigating Temporal Convolutional Neural Networks for Satellite Image Time Series Classification: A survey

要約

タイトル：衛星画像時系列分類のためのTemporal Convolutional Neural Networksの調査

要約：
– 地球表面の衛星画像時系列（SITS）は、空間的および時間的に改善された詳細な土地被覆マップを提供し、地球表面の正確で最新の土地被覆マップを作成するシステムの開発に不可欠である。
– SITS分類のための最近提案された方法は、尊敬できるメリットを示したが、データの時間的次元を活用するネイティブメカニズムを欠き、時間のかかるトレーニングに貢献する広範なデータ前処理を必要とすることがよくある。
– Temporal CNNは、最近、SITS分類タスクで使用され、励ましの結果が得られた。
– この論文は、比較的新しい文献の既存の調査結果を検証するため、SITS分類のためのTemporal CNNを他の多数の現代的な方法と比較することを目的としている。
– 2つのベンチマークSITSデータセットで包括的な実験が行われ、結果は、比較基準アルゴリズムに対して、両方の研究対象データセットで95.0％と87.3％の精度を達成し、Temporal CNNが優れたパフォーマンスを発揮することを示した。
– Temporal CNNアーキテクチャの調査も、新しいデータセットに対してモデルを最適化することが非常に困難であることを明らかにした。

要約(オリジナル)

Satellite Image Time Series (SITS) of the Earth’s surface provide detailed land cover maps, with their quality in the spatial and temporal dimensions consistently improving. These image time series are integral for developing systems that aim to produce accurate, up-to-date land cover maps of the Earth’s surface. Applications are wide-ranging, with notable examples including ecosystem mapping, vegetation process monitoring and anthropogenic land-use change tracking. Recently proposed methods for SITS classification have demonstrated respectable merit, but these methods tend to lack native mechanisms that exploit the temporal dimension of the data; commonly resulting in extensive data pre-processing contributing to prohibitively long training times. To overcome these shortcomings, Temporal CNNs have recently been employed for SITS classification tasks with encouraging results. This paper seeks to survey this method against a plethora of other contemporary methods for SITS classification to validate the existing findings in recent literature. Comprehensive experiments are carried out on two benchmark SITS datasets with the results demonstrating that Temporal CNNs display a superior performance to the comparative benchmark algorithms across both studied datasets, achieving accuracies of 95.0\% and 87.3\% respectively. Investigations into the Temporal CNN architecture also highlighted the non-trivial task of optimising the model for a new dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI