基于像素集编码器与时间自注意力机制的卫星图像时序序列分类

得益于其日益丰富的数据来源，卫星影像时序数据正成为国际机构推动自动化地球监测工作的核心手段。其中，对大规模农业地块的自动化管控，是具有重大政治与经济意义的关键议题。在此背景下，混合卷积-循环神经网络架构在卫星影像时序的自动化分类任务中已展现出良好的应用前景。本文提出一种替代性方法：将传统的卷积层替换为作用于无序像素集合的编码器，以更好地利用公开卫星影像通常较低的空间分辨率特性。同时，我们采用基于自注意力机制的定制化神经网络架构来提取时序特征，替代传统的循环网络结构。实验结果表明，所提方法不仅在分类精度上超越了以往最先进的技术，还显著降低了计算处理时间与内存占用。最后，我们发布了一个大规模、开放获取且经过人工标注的数据集，旨在为未来卫星影像时序分析研究提供基准参考。