Classification de séries temporelles massives d'images satellitaires par des processus gaussiens variationnels parcimonieux et des descripteurs spatio-spectro-temporels - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Classification de séries temporelles massives d'images satellitaires par des processus gaussiens variationnels parcimonieux et des descripteurs spatio-spectro-temporels

Résumé

This paper introduces an approach for land cover pixel-based classification from massive satellite image time series scale using Gaussian Processes. Sparse methods combined with variational inference allow the learning of large scale Gaussian Process. Using a spatiospectro-temporal covariance function can help to take into account all the structure of the data. Experimental results conducted on a national scale data-set show that our method is effective and close to several state-of-the-art approaches (random forest and deep learning methods).
Cet article présente une approche permettant la classification pixellaire de séries temporelles d'images satellites massives à partir de processus gaussiens. Notre modèle s'appuie sur des processus gaussiens variationnels parcimonieux associés à des fonctions de covariance spatio-spectro-temporelles. Les résultats expérimentaux réalisés sur un jeu de données à l'échelle nationale montrent que notre méthode est efficace et comparable à des approches de l'état de l'art (forêt d'arbres décisionnels et méthodes d'apprentissage profond).
Fichier principal
Vignette du fichier
2022_bellet830.pdf (250.55 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03924371 , version 1 (05-01-2023)

Identifiants

  • HAL Id : hal-03924371 , version 1

Citer

Valentine Bellet, Mathieu Fauvel, Jordi Inglada. Classification de séries temporelles massives d'images satellitaires par des processus gaussiens variationnels parcimonieux et des descripteurs spatio-spectro-temporels. 28° Colloque sur le traitement du signal et des images - GRETSI - Groupe de Recherche en Traitement du Signal et des Images, Sep 2022, Nancy, France. ⟨hal-03924371⟩
51 Consultations
37 Téléchargements

Partager

Gmail Facebook X LinkedIn More