利用深度学习从卫星影像识别亚马逊雨林土地模式
计算机视觉与模式识别
2018-09-05 v1
摘要
亚马逊雨林一直遭受自然与人为的广泛破坏。据估计，每分钟世界失去的森林覆盖相当于48个足球场大小。亚马逊雨林的森林砍伐导致生物多样性急剧减少、栖息地丧失、气候变化及其他生物损失。就此而言，追踪这些森林性质随时间的改变已变得必不可少。使用深度学习的图像分类可通过免除人工分类每张图像的任务来加速此过程。此处展示了卷积神经网络如何用于追踪亚马逊雨林土地模式的改变。本工作获得了96.71%的测试准确率。这可帮助政府及其他机构更有效且准确地追踪土地模式变化。
引用
@article{arxiv.1809.00340,
title = {Identifying Land Patterns from Satellite Imagery in Amazon Rainforest using Deep Learning},
author = {Somnath Rakshit and Soumyadeep Debnath and Dhiman Mondal},
journal= {arXiv preprint arXiv:1809.00340},
year = {2018}
}