[快闪报告]耦合深度学习与张量补全的高效NDVI时序重建

耦合深度学习与张量补全的高效NDVI时序重建
编号:2201 稿件编号:2232 访问权限:仅限参会人 更新:2024-04-12 10:16:25 浏览:56次 快闪报告

报告开始:2024年05月18日 16:30 (Asia/Shanghai)

报告时间:5min

所在会议:[S7] 主题7、遥感与地理信息科学 » [S7-3] 主题7、遥感与地理信息科学 专题7.3(18日下午,305)

暂无文件

摘要
NDVI时序重建对分析植被动态起着至关重要的作用。现有重建方法大多难以实现精度和效率的平衡。深度学习是解决这一问题的有效方法,但干净样本标签的缺乏限制了它的实际应用。本文创新性地将深度学习与时空自适应张量补全相结合,提出了一种端到端的NDVI时序重建网络。所提出方法采用时空自适应张量补全生产一定数量干净标签数据,并利用结合长短时记忆与卷积结构的残差密集网络学习待重建NDVI序列与样本标签之间的映射。实验表明,所提出方法优于多数对比方法,与时空张量结果的平均相关系数可达0.9950,而运行速度提高了14倍以上,在GPU上提高了115倍,以极快的效率取得了令人满意的重建结果。
关键字
NDVI时序重建,张量补全,深度学习,LSTM-CNN
报告人
李昂
博士研究生 武汉大学

稿件作者
李昂 武汉大学
沈焕锋 武汉大学
蒋梦辉 武汉大学
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