基于卷积神经网络的陨石坑检测
计算机视觉与模式识别
2016-01-07 v1
摘要
陨石坑是太阳系中研究最多的地貌特征之一，因为它们提供关于过去和现在地质过程的重要信息，并给出所观测地质构造的相对年龄信息。我们提出一种利用先进机器学习处理大量已收集卫星图像的自动陨石坑检测方法。自动检测陨石坑的挑战源于其复杂的表面，因为其形状随时间侵蚀而与地表融合。Bandeira 提供了一个体现该挑战的开创性数据集，至今仍是一个未解决的模式识别问题。已有工作基于提取形状和对比度特征然后在这些特征上应用分类模型来解决此挑战。现有工作的限制因素是在图像上使用手工制作的滤波器，如 Gabor 或 Sobel 滤波器或 Haar 特征。这些手工方法依赖领域知识来构建。我们希望基于训练样本学习最优滤波器和特征。为了动态学习滤波器和特征，我们求助于在计算机视觉中已展现主导地位的卷积神经网络（CNNs）。CNN 的能力在于它们可以学习图像滤波器，从而生成用于高精度分类的特征。
引用
@article{arxiv.1601.00978,
title = {Crater Detection via Convolutional Neural Networks},
author = {Joseph Paul Cohen and Henry Z. Lo and Tingting Lu and Wei Ding},
journal= {arXiv preprint arXiv:1601.00978},
year = {2016}
}
备注
2 Pages. Submitted to 47th Lunar and Planetary Science Conference (LPSC 2016)