Leichtgewichtige zeitliche Selbst-Attention zur Klassifikation von Satellitenbild-Zeitreihen

Die zunehmende Zugänglichkeit und Genauigkeit von Erdbeobachtungs-Satellitendaten bietet erhebliche Chancen sowohl für industrielle als auch für staatliche Akteure. Dafür sind jedoch effiziente Methoden erforderlich, die Zeitreihen auf globaler Skala verarbeiten können. Aufbauend auf jüngeren Arbeiten, die mehrköpfige Selbst-Attention-Mechanismen zur Klassifikation von Fernerkundungs-Zeitreihen einsetzen, schlagen wir eine Modifikation des Temporal Attention Encoder vor. In unserem Netzwerk werden die Kanäle der zeitlichen Eingaben auf mehrere kompakte Attention-Head-Module verteilt, die parallel arbeiten. Jeder Kopf extrahiert hochspezialisierte zeitliche Merkmale, die anschließend zu einer einzigen Repräsentation zusammengefügt werden. Unser Ansatz übertrifft andere aktuelle State-of-the-Art-Algorithmen zur Zeitreihenklassifikation auf einem öffentlich zugänglichen Satellitenbild-Datensatz, wobei signifikant weniger Parameter verwendet und die rechnerische Komplexität reduziert wird.