تقييم مقارن لتعلم دمج الآراء المتعددة لتصنيف المحاصيل

مع زيادة سريعة في كمية ومتنوعية مصادر الاستشعار عن بعد (RS)، هناك حاجة ملحة لنموذج التعلم متعدد الآراء. تعد هذه المهمة معقدة عند الأخذ بعين الاعتبار الاختلافات في الدقة والحجم والضوضاء في بيانات الاستشعار عن بعد. كان النهج التقليدي لدمج مصادر الاستشعار عن بعد المتعددة هو دمج مستوى الإدخال، ولكن قد تتفوق استراتيجيات الدمج الأكثر تقدمًا على هذا النهج التقليدي. يقيم هذا البحث استراتيجيات مختلفة للدمج في تصنيف المحاصيل باستخدام مجموعة بيانات CropHarvest. تتفوق طرق الدمج المقترحة في هذا العمل على النماذج المستندة إلى الآراء الفردية والطرق السابقة للدمج. ومع ذلك، لم نجد طريقة دمج واحدة تتفوق بشكل مستمر على جميع النهج الأخرى. بدلاً من ذلك، نقدم مقارنة بين طرق الدمج متعدد الآراء لثلاثة مجموعات بيانات مختلفة ونوضح أن، اعتمادًا على المنطقة الاختبارية، تحصل طرق مختلفة على أفضل الأداء. رغم ذلك، نقترح معيارًا أوليًا لاختيار طرق الدمج.