基于遥感数据的 CNN 与 Transformer 模型在野火蔓延预测中的比较与可解释分析
计算机视觉与模式识别
2025-03-19 v1 图像与视频处理
摘要
面对全球野火威胁的日益加剧，众多利用遥感数据的计算机视觉技术已应用于该领域。然而，由于缺乏定量的和可解释的对比分析，深度学习方法的选择用于野火预测仍不确定。本研究旨在全面比较四种主流深度学习架构的性能、效率和可解释性：自编码器、ResNet、UNet 和基于 Transformer 的 Swin-UNet。利用包含美国加州近十年遥感数据的真实数据集，这些模型预测次日的野火蔓延。通过详细的定量对比分析，我们发现基于 Transformer 的 Swin-UNet 和 UNet 通常优于自编码器和 ResNet，这尤其得益于基于 Transformer 的 Swin-UNet 中先进的注意力机制以及 UNet 和基于 Transformer 的 Swin-UNet 中跳跃连接的高效利用，这些因素贡献了更优的预测准确性和模型可解释性。随后我们对所有四种模型应用了可解释人工智能（XAI）技术，这不仅增强了模型的清晰度和可信度，也促进了野火预测能力的针对性提升。XAI 分析表明，UNet 和基于 Transformer 的 Swin-UNet 能比其他两种模型更有效地聚焦于'先前火情掩膜'、'干旱'和'植被'等关键特征，同时保持对剩余特征的均衡关注，从而带来其优越的性能。我们全面对比分析所获得的见解对未来模型设计具有重要启示，也为不同场景下的模型选择提供了指导。
引用
@article{arxiv.2503.14150,
title = {Comparative and Interpretative Analysis of CNN and Transformer Models in Predicting Wildfire Spread Using Remote Sensing Data},
author = {Yihang Zhou and Ruige Kong and Zhengsen Xu and Linlin Xu and Sibo Cheng},
journal= {arXiv preprint arXiv:2503.14150},
year = {2025}
}