基于全卷积网络的冰层追踪与厚度估计
计算机视觉与模式识别
2021-04-13 v3 图像与视频处理
摘要
全球变暖正迅速减少世界各地的冰川与冰盖。需要对此减少进行实时评估，以监测其对全球气候的影响。本文提出一种利用 Snow Radar 图像与全卷积网络估计各内部冰层厚度的新方法。估计的厚度可用于了解每年的积雪累积量。为理解各内部冰层的深度与结构，我们对雷达图像进行多类语义分割，这是此前未曾开展过的。由于雷达图像缺乏良好的训练标签，我们执行了一种预处理技术以获得干净标签集。在唯一检测每个冰层后，我们计算其厚度并与处理后的地面真值比较。这是首次通过自动化技术分别检测每个冰层并计算其厚度。通过该流程，我们能在约 3.6 像素的平均绝对误差内估计冰层厚度。这种基于深度学习的方法可配合不断增长的数据集使用，以对冰冻圈研究作出准确评估。
引用
@article{arxiv.2009.00191,
title = {Deep Ice Layer Tracking and Thickness Estimation using Fully Convolutional Networks},
author = {Debvrat Varshney and Maryam Rahnemoonfar and Masoud Yari and John Paden},
journal= {arXiv preprint arXiv:2009.00191},
year = {2021}
}