基于深度学习的高分辨率多光谱卫星影像端到端云分割
计算机视觉与模式识别
2019-11-19 v1 图像与视频处理
摘要
由于卫星可捕获的地理与云层类型繁多，在高分辨率卫星影像中分割云层是一项艰巨且富有挑战的任务。因此，该过程需要自动化与优化，尤其对于经常处理大量卫星影像的机构（如政府单位）而言。就此而言，本工作的贡献有两点：我们提出了 CloudPeru2 数据集，包含 22,400 张 512x512 像素的图像及其对应手绘云掩膜，并提出了一种基于 Deeplab v3+ 架构的卷积神经网络（CNN）的端到端云分割方法。在测试集上的结果取得了 96.62% 的准确率、96.46% 的精确率、98.53% 的特异度以及 96.72% 的灵敏度，优于所对比的方法。
引用
@article{arxiv.1904.12743,
title = {End-to-end Cloud Segmentation in High-Resolution Multispectral Satellite Imagery Using Deep Learning},
author = {Giorgio Morales and Alejandro Ramírez and Joel Telles},
journal= {arXiv preprint arXiv:1904.12743},
year = {2019}
}
备注
Submitted to INTERCON2019 conference. Lima, Peru