Похоже, что TensorFlow можно эффективно интегрировать с Google Earth Engine для прогнозирования непрерывного ответа с использованием U- net регрессии (пример здесь ).
В этом примере , ответ («наземные данные») выбирается из спутникового изображения, где каждый пиксель связан со значением.
В действительности наземные данные часто состоят из отдельных точек с геотегами. где собирается ответ (например, голый почвенный покров в процентах в 100 точках 30x30 м, охватывающих определенную территорию). В модели U- net это будет означать один пиксель, содержащий значение, окруженный неизвестными пикселями для ответа. Значения предиктора будут значениями полос в этих пикселях, например, из составных изображений Landsat.
Вопрос
Как бы вы поступили с этими неизвестными пикселями в ответе на TensorFlow U- net регресс? Это так просто, как добавить маскирующий слой, говорящий, что модель с пикселями неизвестна? Если да, то как бы вы это реализовали на практике?