用于自动推断时空图像的变化的系统和方法

摘要

本公开通过利用从在变化的上下文上训练的卷积神经网络(CNN)提取出的高级别稳健特征而不是依赖于数据的特征方法来解决了能够自动推断时空图像变化的技术问题。基于高级别特征的无监督聚类消除了对图像标记的繁琐要求。由于模型未在任何特定上下文上训练，因此可以接受任何图像。通过无监督聚类和监督分类的某种组合能够进行实时推断。云边缘拓扑结构即使在连接是不可用时也通过确保更新后的分类模型被部署在边缘上来确保进行实时推断。基于自适应学习创建知识本体使能够以变化的精度水平对输入图像进行推断。精细农作可以是本公开的应用。