Hybrid Attention Transformers for Multi-Spectral Satellite Super-Resolution
提出HAT-Light混合注意力Transformer,实现Sentinel-2多光谱16位影像连续
提出HAT-Light混合注意力Transformer,实现Sentinel-2多光谱16位影像连续
提出融合Sentinel-2与PlanetScope的时空融合框架,结合光谱超分辨提升海洋垃圾与填埋
研究提出基于自监督3D卷积自编码器(3D-CAE)的时空胁迫网络STS-NET,利用Planetscope高分辨率影像的NDVI、GNDVI、RECI和NDRE四种植被指数进行作物胁迫检测。模型在Barnala时空(BSPT)数据集训练,并在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田的真实数据集(一年期)上评估。STS-NET在水胁迫检测上达到97.98%精度、氮胁迫85.08%精度、复合胁迫83.47%精度。结果表明该网络能以最少标注数据有效检测甘蔗作物胁迫,并可作为简单模型的稳健特征提取器。