In dieser Studie wird ein Ansatz vorgestellt, um zu bewerten, ob die Anwendung von Kanal-Augmentierungstechniken die physikalische Information von Fernerkundungsbildern beeinflusst. Dazu wird ein Maß für die erwartete Abweichung von Pixelsignaturen innerhalb einer Zeitreihe berechnet und mit den Abweichungen von augmentierten Pixelsignaturen verglichen.
Die Ergebnisse zeigen, dass einige Kanal-Augmentierungstechniken wie Kontrast, Gaussches Rauschen oder Schärfe die physikalische Konsistenz nicht beeinflussen, während andere wie Helligkeit und Graustufen die erwartete Abweichung überschreiten. Letztere können die Leistung eines Baseline-Modells ohne Augmentierung nicht verbessern.
Die Analyse verdeutlicht, dass die physikalische Konsistenz ein wichtiger Faktor bei der Anwendung von Daten-Augmentierung in der Fernerkundung ist und berücksichtigt werden sollte, um die Generalisierungsfähigkeit von Deep-Learning-Modellen zu verbessern.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies