MétaCan
Menu
Retour à la cohorte
Enregistrement W4362683587 · doi:10.1109/jstars.2023.3264452

Local and Global Spatial Information for Land Cover Semisupervised Classification of Complex Polarimetric SAR Data

2023· article· en· W4362683587 sur OpenAlexafffund
Mohsen Ghanbari, Linlin Xu, David A. Clausi

Notice bibliographique

RevueIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLand coverSynthetic aperture radarComputer sciencePixelRemote sensingContextual image classificationPolarimetryPattern recognition (psychology)Artificial intelligenceSpatial analysisDependency (UML)GraphGeographyLand useImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Each of the three satellites constituting the RADARSAT Constellation Mission (RCM) provide compact polarimetric synthetic aperture radar (CP SAR) data. The complex CP data have similar properties to the complex quad polarimetric (QP) data provided by prior RADARSAT missions. In this paper, a land cover classification method using spatial information is designed based on the statistical characteristics of the complex CP and QP SAR data. First, the local spatial dependency among pixels is captured by superpixels. Second, a graph is constructed on the superpixels to model the global spatial dependency among superpixels. The land cover classification image with land cover type labels is then estimated by propagating labels from the few labeled superpixels to the unlabeled superpixels. Classification of two RCM complex CP and QP scenes demonstrates that the proposed method, with few labeled pixels, provides much higher classification accuracy than methods which do not exploit global spatial dependency.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,259
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207