[口头报告]基于可解释的原型序列深度学习模型提取水稻面积

基于可解释的原型序列深度学习模型提取水稻面积
编号:1300 稿件编号:3043 访问权限:仅限参会人 更新:2024-04-11 14:11:19 浏览:46次 口头报告

报告开始:2024年05月19日 11:15 (Asia/Shanghai)

报告时间:8min

所在会议:[S7] 主题7、遥感与地理信息科学 » [S7-6] 主题7、遥感与地理信息科学 专题7.10、专题7.7(19日上午,305)

暂无文件

摘要
水稻是一种重要的粮食作物,对其面积进行准确可靠的监测对于实现可持续发展目标 2(SDG2)和确保粮食安全具有重要意义。针对当前多时相合成孔径雷达(SAR)水稻监测面临的挑战,即循环神经网络(RNN)表现出较低的可解释性,而事后解释方法与深度学习模型的耦合度较低,本文率先使用了一种可自解释的原型序列模型,用于从多时相 SAR 数据中提取水稻面积。该模型基于原型学习的概念构建,模拟人类解决问题的过程,以增强可解释性。在该模型中,作为骨干的 RNN 捕捉到了水稻时间发展的潜在特征。根据新输入序列与潜在空间中原型的相似性对其进行预测。该模型以非洲肯尼亚为研究区域,水稻面积提取的总体准确率较高,同时还提供了较高的可解释性。
 
关键字
Synthetic aperture radar (SAR),Interpretable deep learing,rice area
报告人
葛纪
博士研究生 中国科学院空天信息创新研究院

稿件作者
葛纪 中国科学院空天信息创新研究院
张红 中国科学院空天信息创新研究院
许璐 中国科学院空天信息创新研究院
孙春玲 中国科学院空天信息创新研究院
蒋婧灵 中国科学院空天信息创新研究院
宋明阳 中国科学院空天信息创新研究院
王超 中国科学院空天信息创新研究院
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订