Presentation Details
耦合深度学习与张量补全的高效NDVI时序重建
ID：2201
View Protection：ATTENDEE
Updated Time：2024-04-12 10:16:25 Hits：2147
Extended type 1
Start Time：2024-05-18 16:30（Asia/Shanghai）
Duration：5min
Session：S7 主题7、遥感与地理信息科学 »
No files
Abstract
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。
Keywords
NDVI时序重建,张量补全,深度学习,LSTM-CNN
Speaker
李昂
博士研究生 武汉大学Submission Author
All Comments
Important Date
-
Conference Date
May 17
2024
toMay 20
2024
-
Mar 31 2024
Draft paper submission deadline
-
Mar 31 2024
Contribution Submission Deadline
-
May 20 2024
Registration deadline
Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
Submit Comment