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

Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised Learning

Prieur, Colin und Ait Ali Braham, Nassim und Tresson, Paul und Vincent, Grégoire und Chanussot, Jocelyn (2024) Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised Learning. In: Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing, WHISPERS. IEEE. 2024 14th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS), 2024-12-09 - 2024-12-11, Helsinki. doi: 10.1109/WHISPERS65427.2024.10876523.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://www.ieee-whispers.com/product/whispers-2024

Kurzfassung

Airborne hyperspectral imaging is a promising method for identifying tropical species, but spectral variability between acquisitions hinders consistent results. This paper proposes using Self-Supervised Learning (SSL) to encode spectral features that are robust to abiotic variability and relevant for species identification. By employing the state-of-the-art Barlow-Twins approach on repeated spectral acquisitions, we demonstrate the ability to develop stable features. For the classification of 40 tropical species, experiments show that these features can outperform typical reflectance products in terms of robustness to spectral variability by 10 points of accuracy across dates.

elib-URL des Eintrags:https://elib.dlr.de/212955/
Dokumentart:Konferenzbeitrag (Vorlesung)
Titel:Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised Learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Prieur, ColinCIRAD, CNRS, INRAENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ait Ali Braham, NassimNassim.AitAliBraham (at) dlr.dehttps://orcid.org/0009-0001-3346-3373179800289
Tresson, PaulCIRAD, CNRS, INRAENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Vincent, GrégoireCIRAD, CNRS, INRAENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Chanussot, JocelynINRIANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2024
Erschienen in:Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing, WHISPERS
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/WHISPERS65427.2024.10876523
Verlag:IEEE
Status:veröffentlicht
Stichwörter:Reflectivity, Accuracy, Conferences, Buildings, Self-supervised learning, Signal processing, Robustness, Remote sensing, Hyperspectral imaging
Veranstaltungstitel:2024 14th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS)
Veranstaltungsort:Helsinki
Veranstaltungsart:Workshop
Veranstaltungsbeginn:9 Dezember 2024
Veranstaltungsende:11 Dezember 2024
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, R - Optische Fernerkundung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Ait Ali Braham, Nassim
Hinterlegt am:11 Mär 2025 13:29
Letzte Änderung:11 Mär 2025 13:29

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.