用于古农业梯田检测的深层语义模型融合
计算机视觉与模式识别
2023-08-07 v1
摘要
在沙漠地区发现古农业梯田对于监测地球表面长期气候变化十分重要。然而，传统的地面调查成本高且规模有限。随着航空和卫星数据的日益可获取，机器学习技术在考古景观的自动检测与识别方面具有巨大潜力。本文中，我们提出了一种用于古农业梯田检测的深层语义模型融合方法。输入数据包括内盖夫沙漠中的航空影像和 LiDAR 生成的地形特征。两个以 EfficientNet 为骨干的深层语义分割模型，即 DeepLabv3+ 和 UNet，被训练并融合以给出古梯田和墙体的分割图。所提方法在国际 AI 考古挑战赛中荣获一等奖。代码可在 https://github.com/wangyi111/international-archaeology-ai-challenge 获取。
引用
@article{arxiv.2308.02225,
title = {Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection},
author = {Yi Wang and Chenying Liu and Arti Tiwari and Micha Silver and Arnon Karnieli and Xiao Xiang Zhu and Conrad M Albrecht},
journal= {arXiv preprint arXiv:2308.02225},
year = {2023}
}
备注
IEEE Big Data 2022 workshop on Digital Twins for Accelerated Discovery of Climate & Sustainability Solutions (ADoCS)