我想将Landsat时间序列数据用于土地覆盖分类问题，并且我也有兴趣使用空间和光谱数据维度。我在想的是在我的应用程序中在keras中使用卷积LSTM层。但是有些事情我值得怀疑：
首先，keras提供的是ConvLSTM2D层，而我的数据也具有光谱尺寸（六个波段）。我在ConvLSTM2D层下的keras文档中看到一些事情，这些事情证实了将其用于更大尺寸的可能性，但是我不确定。有人将它用于高维数据吗？
如果可以的话，我要记住的是（在阅读了一些其他文章之后）在保持空间大小不变的情况下处理输入数据的补丁（不合并），最后将最终的特征图分类为该补丁的土地覆盖图，所有补丁点都一起处理。 但是我的地面真实地图并不连续，并且地图上散布着许多“未定义”的土地覆盖物。所以我不能一起使用整个地图进行卷积和训练。我想到的唯一的事情就是对已知像素进行一次一对一的训练，但是还要提取它们的邻域数据，以便通过ConvLSTM进行处理。但是，这将导致数据处理中的大量冗余。
有何评论？