Prithvi-Tiny洪水制图精度与效率评估

Parastoo Farajpoor和Mohammadreza Narimani发表研究评估紧凑基础模型 Prithvi-EO-2.0-Tiny 的洪水地表水制图表现，结果显示其精度略低于 U-Net，但推理速度更快：在252个训练芯片的官方测试集上，Prithvi-Tiny水体IoU为0.833，U-Net为0.856；处理512×512像素芯片时，两者在GPU上耗时分别为16.1毫秒和30.6毫秒，在笔记本CPU上分别为258毫秒和665毫秒。 研究使用Sen1Floods11中来自11次洪水事件的446个手工标注Sentinel-2芯片。作者指出，结论受具体洪水事件、共同的超参数选择，以及“已观测水体”与“新淹没土地”的任务区别限制。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。