基于排序估计 Sentinel-1 影像中的地震规模
计算机视觉与模式识别
2026-05-08 v2 图像与视频处理
摘要
地震通常通过物理地震站进行估计，但由于这些站点的安装要求和成本，全球覆盖范围很快就会变得不可行。因此，开发一种高效且低成本的替代方法，通过机器学习模型对全球地球观测数据进行监控，以定位这些自然灾害影响的区域。然而，由于历史记录中记录的地震数量较少，这成为一个低数据 regime 问题，需要算法上的改进才能在学习地震规模回归时实现最佳性能。本文提出将地震规模估计作为一个度量学习问题来解决，通过训练模型不仅估计来自 Sentinel-1 卫星影像的地震规模，还对成对的样本进行排序。我们的实验表明，与基于回归的先前方法相比，尤其是 transformer-based 架构，MAE 可提高 30% 以上。
引用
@article{arxiv.2407.18128,
title = {Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking},
author = {Daniele Rege Cambrin and Isaac Corley and Paolo Garza and Peyman Najafirad},
journal= {arXiv preprint arXiv:2407.18128},
year = {2026}
}
备注
Accepted to ECML-PKDD 2024 MACLEAN Workshop