基于先进深度学习架构从遥感影像精确检测地下瓦管排水管道
计算机视觉与模式识别
2022-11-02 v3 机器学习
图像与视频处理
摘要
地下瓦管排水管道具有农艺、经济与环境效益。通过降低湿土地下水位，其改善植物根系通气性并最终提高农田生产力。然而，它们也为农用化学品进入地下水体提供通道并加剧土壤养分流失。为维护与基础设施建设，需要瓦管排水管道位置及排水农田的精确地图。但这些地图常过时或缺失。多年来已应用不同遥感（RS）影像处理技术以不同程度成功克服这些限制。深度学习（DL）技术的近期进展借助机器学习分割模型改进了传统技术。本研究中，我们引入两种基于 DL 的模型：i) 改进 U-Net 架构；ii) 基于 Visual Transformer 的编码器-解码器，用于瓦管排水管道检测框架。实验结果证实了两种模型相较于基础 U-Net 架构在检测精度上的有效性。我们的代码与模型公开于 https://git.tu-berlin.de/rsim/drainage-pipes-detection。
引用
@article{arxiv.2210.02071,
title = {Advanced Deep Learning Architectures for Accurate Detection of Subsurface Tile Drainage Pipes from Remote Sensing Images},
author = {Tom-Lukas Breitkopf and Leonard W. Hackel and Mahdyar Ravanbakhsh and Anne-Karin Cooke and Sandra Willkommen and Stefan Broda and Begüm Demir},
journal= {arXiv preprint arXiv:2210.02071},
year = {2022}
}
备注
Accepted at the SPIE Image and Signal Processing for Remote Sensing 2022. For code visit: https://git.tu-berlin.de/rsim/drainage-pipes-detection