Landsat-8 影像中的活跃火检测：大规模数据集与深度学习研究
计算机视觉与模式识别
2021-07-05 v2 机器学习
摘要
卫星影像中的活跃火检测对环境保育政策管理、支持决策与执法至关重要。这是一个成熟的领域，多年来提出了许多技术，通常基于涉及传感器特定阈值与邻域统计的像素或区域级比较。本文中，我们采用深度学习技术解决活跃火检测问题。近年来深度学习技术在诸多领域取得巨大成功，但其在活跃火检测中的应用相对较新，存在开放问题并亟需用于评估的数据集与架构。本文通过引入一个新的大规模活跃火检测数据集来解决这些问题，该数据集包含从 2020 年 8 月和 9 月全球各地捕获的 Landsat-8 影像中提取的超过 150,000 个图像块（超过 200 GB 数据），包含多个地点的野火。数据集分为两部分，包含 10 波段光谱图像及关联输出：第一部分由三种知名的活跃火检测手工算法生成，第二部分为人工标注掩码。我们还研究了不同卷积神经网络架构如何用于逼近这些手工算法，以及如何在自动分割图像块上训练的模型相组合以取得优于原始算法的性能——最佳组合在我们人工标注数据集上达到 87.2% 精确率与 92.4% 召回率。所提出的数据集、源代码与训练模型已在 Github (https://github.com/pereira-gha/activefire) 上提供，为该领域的进一步进展创造机会。
引用
@article{arxiv.2101.03409,
title = {Active Fire Detection in Landsat-8 Imagery: a Large-Scale Dataset and a Deep-Learning Study},
author = {Gabriel Henrique de Almeida Pereira and André Minoro Fusioka and Bogdan Tomoyuki Nassu and Rodrigo Minetto},
journal= {arXiv preprint arXiv:2101.03409},
year = {2021}
}
备注
23 pages, 17 figures