基于语义分割的土地覆盖变化检测
计算机视觉与模式识别
2019-12-02 v1
摘要
本文提出一种利用语义分割这一机器学习方法从航空影像中识别土地覆盖变化的变化检测法。我们给出了一个使用 Deeplab v3+（最先进的语义分割技术）的土地覆盖分类训练流程，包括数据准备、七类土地覆盖类型的模型训练以及模型导出模块。在土地覆盖变化检测系统中，输入为取自 Google Earth 同一地点但不同时间的影像。系统随后使用训练好的模型预测这些影像的语义分割结果，并计算每幅输入影像的土地覆盖类别百分比。我们看到土地覆盖语义分割模型的精度有所提升，平均 IoU 达到 0.756，而 DeepGlobe 土地覆盖分类挑战赛报道为 0.433。所提出的利用最先进语义分割技术的土地覆盖变化检测系统可用于森林砍伐分析、土地管理与城市规划。
引用
@article{arxiv.1911.12903,
title = {Land Cover Change Detection via Semantic Segmentation},
author = {Renee Su and Rong Chen},
journal= {arXiv preprint arXiv:1911.12903},
year = {2019}
}