基于 Sentinel-2 影像数据与卷积神经网络的滑坡地质灾害评估
图像与视频处理
2019-06-17 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
本文中，作者旨在将图像识别中最先进的模型与最佳的公开可用卫星图像相结合，以创建一种用于滑坡风险缓解的系统。我们首先聚焦于滑坡检测，并进一步提出一个类似系统用于预测。此类模型颇具价值，因为随着卫星影像日益可得，它们可轻易扩展以提供灾害评估数据。目标是利用卫星图像与相关数据来丰富公共数据存储库，并指导救灾工作以定位发生滑坡的精确区域。采用不同的图像增强方法来增加所选数据集的多样性并创建更鲁棒的分类。所得输出随后被送入三维卷积神经网络的变体中。对现有文献的回顾表明，尚无研究使用 CNN（卷积神经网络）与免费可用的卫星影像来对滑坡风险进行分类。该模型已显示出最终能够实现显著优于基线的准确率。
引用
@article{arxiv.1906.06151,
title = {Landslide Geohazard Assessment With Convolutional Neural Networks Using Sentinel-2 Imagery Data},
author = {Silvia L. Ullo and Maximillian S. Langenkamp and Tuomas P. Oikarinen and Maria P. Del Rosso and Alessandro Sebastianelli and Federica Piccirillo and Stefania Sica},
journal= {arXiv preprint arXiv:1906.06151},
year = {2019}
}
备注
4 pages, 3 figures, 1 table, accepted to 2019 IEEE IGARSS Conference that will be held in Japan next July