基于深度学习的SAR遥感数据冰山与船舶自动检测
机器学习
2018-12-19 v1 机器学习
摘要
深度学习正受到地球物理界关注，用于理解地下结构，如地震数据中的断层检测或盐体。本研究描述了使用深度学习方法结合合成孔径雷达（SAR）数据进行冰山或船舶识别。漂流的冰山对北极周边近海活动（包括船舶航行和石油钻井平台）构成潜在威胁。利用与天气无关的交叉极化雷达的卫星影像进展使我们能够监测和勾绘冰山与船舶，但仍需人工对图像进行分类。在此我们提出迁移学习，一种为有限训练数据和特征设计的卷积神经网络（CNN），同时展示了其在该问题中的有效性。该方法的关键方面是数据增强和多个输出的堆叠，使准确率显著提升（对数得分为0.1463）。该算法已通过参与Statoil/C-Core Kaggle竞赛进行测试。
引用
@article{arxiv.1812.07367,
title = {Deep Learning Approach in Automatic Iceberg - Ship Detection with SAR Remote Sensing Data},
author = {Cheng Zhan and Licheng Zhang and Zhenzhen Zhong and Sher Didi-Ooi and Youzuo Lin and Yunxi Zhang and Shujiao Huang and Changchun Wang},
journal= {arXiv preprint arXiv:1812.07367},
year = {2018}
}