ForestNet：利用卫星影像深度学习分类印度尼西亚森林砍伐驱动因素
计算机视觉与模式识别
2020-11-12 v1 机器学习
图像与视频处理
摘要
刻画导致森林砍伐的过程对于制定和实施有针对性的森林保护与管理政策至关重要。在这项工作中，我们开发了一个称为 ForestNet 的深度学习模型，用于分类印度尼西亚——世界上森林砍伐率最高的国家之一——的原始森林损失驱动因素。利用卫星影像，ForestNet 可识别任意大小森林损失斑块中森林砍伐的直接驱动因素。我们整理了一个包含 Landsat 8 卫星影像的数据集，这些影像对应已知的森林损失事件，并配有来自专家解译员的驱动因素标注。我们使用该数据集训练和验证模型，并证明 ForestNet 大幅优于其他标准的驱动因素分类方法。为了支持未来关于森林砍伐驱动因素自动化分类的研究，本研究中整理的数据集公开于 https://stanfordmlgroup.github.io/projects/forestnet 。
引用
@article{arxiv.2011.05479,
title = {ForestNet: Classifying Drivers of Deforestation in Indonesia using Deep Learning on Satellite Imagery},
author = {Jeremy Irvin and Hao Sheng and Neel Ramachandran and Sonja Johnson-Yu and Sharon Zhou and Kyle Story and Rose Rustowicz and Cooper Elsworth and Kemen Austin and Andrew Y. Ng},
journal= {arXiv preprint arXiv:2011.05479},
year = {2020}
}
备注
Tackling Climate Change with Machine Learning at NeurIPS 2020