elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Improving Land Cover Classification With a Shift-Invariant Center-Focusing Convolutional Neural Network

Luo, Cong und Hua, Yuansheng und Mou, LiChao und Zhu, Xiao Xiang (2021) Improving Land Cover Classification With a Shift-Invariant Center-Focusing Convolutional Neural Network. In: International Geoscience and Remote Sensing Symposium (IGARSS), Seiten 2863-2866. IEEE. IGARSS 2021, 2021-07-12 - 2021-07-16, Brussels, Belgium. doi: 10.1109/IGARSS47720.2021.9554678.

[img] PDF
4MB

Offizielle URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9554678

Kurzfassung

Convolutional neural networks (CNNs) are widely employedin remote sensing community. The CNN-based, also knownas patch-based land cover classification method has gained in-creasing attention. However, this method very often requiresthe aid of post-processing, otherwise it is difficult to obtainaccurate boundaries separating different land cover classes.In this paper, we discuss the reason of this phenomenon andpropose a shift-invariant center-focusing (SICF) network todeliver more accurate boundaries to improve the patch-basedland cover classification. The principle of SICF is calculat-ing the class score from a center-focusing area based on ashift-invariant feature extraction module to calibrate predic-tion. We employ three modern CNNs to build correspond-ing SICF networks, the evaluation results indicate that com-pared with the conventional CNNs, the improvements madeby SICF for delivering accurate boundaries in land cover clas-sification are significant.

elib-URL des Eintrags:https://elib.dlr.de/146232/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Improving Land Cover Classification With a Shift-Invariant Center-Focusing Convolutional Neural Network
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Luo, CongTUMNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hua, YuanshengYuansheng.Hua (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mou, LiChaoLiChao.Mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiaoxiang.zhu (at) dlr.dehttps://orcid.org/0000-0001-5530-3613NICHT SPEZIFIZIERT
Datum:Juli 2021
Erschienen in:International Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/IGARSS47720.2021.9554678
Seitenbereich:Seiten 2863-2866
Verlag:IEEE
Status:veröffentlicht
Stichwörter:convolutional neural network, shift-invariance, class activation maps, land cover classification
Veranstaltungstitel:IGARSS 2021
Veranstaltungsort:Brussels, Belgium
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:12 Juli 2021
Veranstaltungsende:16 Juli 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Hua, Yuansheng
Hinterlegt am:29 Nov 2021 08:31
Letzte Änderung:07 Jun 2024 09:57

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.