简介
使用 Landsat 7、8 和 9 以及 Dynamic World Land Cover 数据集训练 RF 模型,用于 LULC 分类。目前,我使用来自 Landsat 8 的 12 张图像,这些图像与一些 Dynamic World 场景相匹配(就获取日期而言),以将波段“标签”添加到我的 Landsat 8 图像中,以创建带注释的数据用于训练。然后,我对这些图像进行采样;
尝试了不同的方法使用我的所有图像进行训练:
- 对 12 张图像中的每一张进行随机采样,然后使用 .flatten() 方法将所有图像连接起来。
- 使用来自每幅图像的每个时间样本重新训练我的 RF 模型十二次。
相关问题
我的问题是,如果不超出用户内存限制或在 1 次训练后出现空模型,我就无法将样本数量增加到 200 以上(80% 训练 - 20% 验证)。
但是如果我只用一张图片进行训练,我可以轻松获得 5000 个样本,所以我真的不知道该怎么做,我是否可以使用另一种采样/训练方法,或者尝试使用 bf 导出它们,因为只有 2400*0.8 我的模型过度拟合(训练中的准确率为 0.99,验证中的准确率为 0.7)。我也尝试过在某些批次上使用循环进行训练,但问题相同。
在训练中添加 Landsa