一种用于地球观测的可解释深度语义分割方法
计算机视觉与模式识别
2022-10-25 v1
摘要
地球观测是包括洪水响应在内的一系列人类活动的基础，因为它为决策者提供了重要信息。语义分割在将卫星原始高光谱数据映射为人类可理解的形式（为每个像素分配类别标签）方面发挥着关键作用。本文提出一种基于原型的、可解释的深度语义分割（IDSS）方法，该方法既具有高精度又具备可解释性。其参数数量比 U-Net 等深度网络所用参数少几个数量级，并且可由人类清晰解释。本文提出的 IDSS 提供了一种透明结构，允许用户检查和审计算法的决策。结果表明，IDSS 在 IoU（交并比）总水体与 Recall 总水体方面优于包括 U-Net 在内的其他算法。我们使用 WorldFloods 数据集进行实验，并计划将语义分割结果与永久水体掩膜结合以检测洪水事件。
引用
@article{arxiv.2210.12820,
title = {An Interpretable Deep Semantic Segmentation Method for Earth Observation},
author = {Ziyang Zhang and Plamen Angelov and Eduardo Soares and Nicolas Longepe and Pierre Philippe Mathieu},
journal= {arXiv preprint arXiv:2210.12820},
year = {2022}
}