arXiv · 机器人与计算机视觉· Akram Zaytar, Kemunto Ochwang'i, Caleb Robinson, Girmaw A. Tadesse, Gilles Q. Hacheme, Rahul Dodhia, Inbal Becker-Reshef, Juan M. Lavista Ferres·· 16 天前精选AI 评分78
作物映射评估下的采样偏差研究:一种基于加权预测赋能推断的校正方法
Crop Mapping Evaluation under Sampling Bias
AI 导读
政府机构常用作物图估算产量并制定政策,但验证标签常存在采样偏差(如只标注路边地块)。本文提出利用卫星嵌入估计权重的预测赋能推断(PPI)方法,结合未标记点预测与带权重标签误差进行修正。在五个欧洲区域实验中,该方法将最大评估误差从 0.18 降至 0.07;在肯尼亚无参考标签数据上,将路边数据集的宏观 F1 估计值从 0.93 校正至 0.61。代码已开源。
推荐理由
针对作物图评估中的采样偏差问题,提出基于卫星嵌入的加权预测赋能推断方法,在五个欧洲区域将最大误差从 0.18 降至 0.07。
来源:arXiv · 机器人与计算机视觉 · arxiv.org