FusionAttNet Framework for Hierarchical Attention Driven Sentinel 1 and Sentinel 2 Fusion for Semi Arid Land Cover Classification in Far North Cameroon
Deze studie introduceert FusionAttNet, een nieuw deep learning-framework dat Sentinel-1 SAR- en Sentinel-2 optische data integreert via een modaliteitsbewust hiërarchisch aandachtmechanisme om een nauwkeurigheid van 96,75% te bereiken bij het classificeren van semi-aride landbedekking in Noord-Kameroen, waarbij traditionele fusiemethoden aanzienlijk wordt overtroffen door effectief spectrale homogeniteit, bewolking en seizoensgebonden variabiliteit aan te pakken.