用于雷达图像中冰层内部检测的深层分级图像分割

理解地球极地冰盖的结构对于建模全球变暖如何影响极地冰进而如何影响地球气候十分重要。探地雷达能够采集雪和冰内部结构的观测，但人工标注这些观测的过程缓慢且费力。近期工作已开发出自动技术来寻找冰与基岩之间的边界，但寻找内部层——指示某年冰累积结束与次年开始的微弱边界——更具挑战性，因为层数可变且边界常合并与分裂。本文提出一种新颖的深度神经网络以解决一类通用的分级分割问题。我们将其应用于极地冰内部层检测，并在带有人类标注真值的大规模极地冰雷达数据集上评估。