Évaluation de la classification des données d'observation de la Terre : De l'apprentissage des caractéristiques explicites aux réseaux convolutionnels

Dans cet article, nous abordons la tâche d'étiquetage sémantique des données d'observation de la Terre (EO) multisources. Précisément, nous évaluons plusieurs méthodes concurrentes des 15 dernières années, allant des classificateurs experts, de la classification par vecteurs de support spectraux et des caractéristiques de haut niveau aux réseaux neuronaux profonds. Nous établissons que (1) la combinaison des caractéristiques multisenseurs est essentielle pour récupérer certaines classes spécifiques, (2) dans le domaine de l'image, les réseaux convolutionnels profonds obtiennent des performances globales significativement meilleures et (3) le transfert d'apprentissage à partir de grands ensembles d'images à usage générique est très efficace pour construire des classificateurs de données EO.