基于弱监督深度学习的陨石坑形状自动提取
地球与行星天体物理
2020-04-29 v3 天体物理仪器与方法
计算机视觉与模式识别
机器学习
摘要
陨石坑椭圆度判定是一项复杂且耗时的任务,迄今未能成功实现自动化。我们训练了一种最先进的计算机视觉算法,以在月球数字高程图中识别陨石坑并提取其尺寸与二维形状。该模型的计算主干为MaskRCNN——一种“实例分割”通用框架,可在检测图像中陨石坑的同时为每个陨石坑生成描绘其外缘的掩码。我们的后处理流程随后为这些掩码寻找最贴合的椭圆,从而提取陨石坑椭圆度。我们的模型能够正确识别训练与验证期间隐藏经度的已知陨石坑的87%(测试集),同时预测出数千个训练数据中未出现的额外陨石坑。对这些“新”陨石坑子集的手动验证表明其中多数为真实陨石坑,我们将其视为模型在训练数据不完整情况下仍学会识别陨石坑能力的体现。模型预测的陨石坑尺寸、椭圆度与深度分布与人工生成结果一致。该模型使我们能对月球高地与月海间陨石坑直径与形状分布差异进行大规模搜寻,并以高统计显著性排除此类差异。预测的测试集目录与训练模型可在此获取:https://github.com/malidib/Craters_MaskRCNN/。
引用
@article{arxiv.1906.08826,
title = {Automated crater shape retrieval using weakly-supervised deep learning},
author = {Mohamad Ali-Dib and Kristen Menou and Alan P. Jackson and Chenchong Zhu and Noah Hammond},
journal= {arXiv preprint arXiv:1906.08826},
year = {2020}
}
备注
59 pages, 13 figures, Accepted for publication in Icarus