利用网络摄像头与众包图像进行湖冰监测
计算机视觉与模式识别
2020-05-11 v2 图像与视频处理
摘要
湖冰是强烈的气候指示器，已被全球气候观测系统(GCOS)认定为基本气候变量(ECV)的一部分。冻结与消融的动力学，以及冻结模式随时间的潜在偏移，有助于理解局部与全球气候系统。获取关于湖冰形成的时空信息且不受云影响的一种方式是分析网络摄像头图像。本文致力于迈向一个利用免费网络摄像头数据监测湖冰的通用模型。我们展示了良好的性能，包括跨不同冬季与不同湖泊的泛化能力，使用的是用于语义图像分割的先进卷积神经网络(CNN)模型Deeplab v3+。此外，我们设计了该模型的一个变体，称为Deep-U-Lab，其预测出更锐利、更正确的分割边界。我们已用来自多个摄像头视角与两个不同冬季的数据测试了模型的泛化能力。平均而言，其在不同摄像头间达到约71%的交并比(IoU)，在不同冬季间达到约69%，大幅优于先前工作。更进一步，我们展示该模型在从照片分享网站抓取的任意图像上甚至达到60% IoU。作为工作的一部分，我们引入了一个来自多个摄像头与两个不同冬季的网络摄像头图像新基准数据集Photi-LakeIce，以及像素级真值标注。
引用
@article{arxiv.2002.07875,
title = {Lake Ice Monitoring with Webcams and Crowd-Sourced Images},
author = {Rajanie Prabha and Manu Tom and Mathias Rothermel and Emmanuel Baltsavias and Laura Leal-Taixe and Konrad Schindler},
journal= {arXiv preprint arXiv:2002.07875},
year = {2020}
}
备注
Accepted for ISPRS Congress 2020, Nice, France