Klassifizierung von Satellitenbildzeitreihen mit Pixel-Set-Encodern und temporalem Self-Attention

Zeitreihen von Satellitenbildern, gestützt durch ihre zunehmende Verfügbarkeit, stehen im Mittelpunkt umfangreicher Bemühungen internationaler Institutionen zur automatisierten Überwachung der Erde. Insbesondere die großflächige Kontrolle landwirtschaftlicher Flächen ist eine Frage von erheblicher politischer und wirtschaftlicher Bedeutung. In diesem Kontext haben hybride convolutionale-recurrent neuronale Architekturen vielversprechende Ergebnisse bei der automatisierten Klassifikation von Zeitreihen von Satellitenbildern erzielt. Wir stellen einen alternativen Ansatz vor, bei dem die convolutionalen Schichten vorteilhaft durch Encoder ersetzt werden, die auf ungeordneten Mengen von Pixeln operieren, um die typischerweise geringe räumliche Auflösung öffentlich verfügbaren Satellitenbilder optimal auszunutzen. Zudem schlagen wir vor, zeitliche Merkmale mittels einer maßgeschneiderten neuronalen Architektur auf Basis von Self-Attention zu extrahieren, anstelle von rekurrenten Netzwerken. Experimentell zeigen wir, dass unsere Methode nicht nur die Genauigkeit gegenüber früheren State-of-the-Art-Verfahren übertrifft, sondern auch die Verarbeitungszeit und den Speicherverbrauch erheblich reduziert. Abschließend veröffentlichen wir eine große, öffentlich zugängliche und annotierte Datensammlung als Benchmark für zukünftige Forschungsarbeiten zu Zeitreihen von Satellitenbildern.