Redes Neurais Convolucionais 3D para Classificação de Culturas com Imagens de Sensoriamento Remoto Multi-Temporal

Este estudo descreve um novo método baseado em redes neurais convolucionais tridimensionais (3D) que classifica automaticamente culturas a partir de imagens de sensoriamento remoto espaço-temporal. Primeiro, o kernel 3D é projetado de acordo com a estrutura dos dados de sensoriamento remoto multi-espectrais e multi-temporais. Em segundo lugar, a estrutura do CNN 3D com parâmetros ajustados é desenhada para treinar amostras de culturas 3D e aprender representações discriminativas espaço-temporais, com os ciclos completos de crescimento das culturas sendo preservados. Além disso, introduzimos uma estratégia de aprendizado ativo ao modelo CNN para melhorar a precisão da rotulagem até um limite necessário com máxima eficiência. Finalmente, experimentos foram realizados para testar a vantagem do CNN 3D, em comparação com o CNN bidimensional (2D) e outros métodos convencionais. Nossos experimentos mostram que o CNN 3D é especialmente adequado para caracterizar a dinâmica do crescimento das culturas e superou os outros métodos principais.