BrazilDAM：尾矿坝检测基准数据集
计算机视觉与模式识别
2020-05-14 v2
摘要
在这项工作中，我们提出 BrazilDAM，一个基于 Sentinel-2 和 Landsat-8 卫星影像、覆盖巴西国家矿业局(ANM)编录的所有尾矿坝的新型公开数据集。该数据集使用 2016 至 2019 年间记录的 769 座坝的地理参考影像构建。时间序列经过处理以生成无云影像。这些坝包含不同矿石类别的采矿废料，且形状、面积和体积差异极大，使得 BrazilDAM 在机器学习基准测试中尤为有趣且具有挑战性。原始编录除坝体坐标外，还包含关于主要矿石、建造方法、风险类别和关联潜在损害的信息。为评估 BrazilDAM 的预测潜力，我们使用最先进的深度卷积神经网络(CNNs)进行了分类实验。实验中，我们在尾矿坝二分类任务上取得了 94.11% 的平均分类准确率。此外，利用原始编录中的补充信息进行了另外四种实验设置，充分挖掘了所提出数据集的能力。
引用
@article{arxiv.2003.07948,
title = {BrazilDAM: A Benchmark dataset for Tailings Dam Detection},
author = {Edemir Ferreira and Matheus Brito and Remis Balaniuk and Mário S. Alvim and Jefersson A. dos Santos},
journal= {arXiv preprint arXiv:2003.07948},
year = {2020}
}