用于多时相 Sentinel-1 数据洪水检测的注意力双流孪生 U-net
计算机视觉与模式识别
2022-12-13 v1 图像与视频处理
摘要
由于气候与土地利用变化，近年来洪水等自然灾害日益增多。及时可靠的洪水检测与制图有助于应急响应与灾害管理。本文提出一种利用双时相 SAR 数据的洪水检测网络。所提分割网络具有编码器-解码器架构，并为灾前与灾后图像设两个孪生编码器。网络的特征图通过注意力模块融合与增强，以实现更精确的淹没区检测。我们在公开可用的 Sen1Flood11 基准数据集上评估了所提网络。该网络以 6% IOU 的优势优于现有最先进（单时相）洪水检测方法。实验表明，双时相 SAR 数据与高效网络架构的结合可实现比单时相方法更精确的洪水检测。
引用
@article{arxiv.2204.09387,
title = {Attentive Dual Stream Siamese U-net for Flood Detection on Multi-temporal Sentinel-1 Data},
author = {Ritu Yadav and Andrea Nascetti and Yifang Ban},
journal= {arXiv preprint arXiv:2204.09387},
year = {2022}
}
备注
Accepted in IGARSS2022