Landslide4Sense：用于滑坡检测的基准数据与深度学习模型
计算机视觉与模式识别
2022-12-21 v3 图像与视频处理
摘要
本研究介绍了 Landslide4Sense，一个用于遥感滑坡检测的参考基准。该数据集包含 3,799 个图像块，融合了 Sentinel-2 传感器的光学图层与源自 ALOS PALSAR 的数字高程模型和坡度图层。所增加的地形信息有助于准确检测滑坡边界，近期研究表明仅使用光学数据难以做到这一点。该大规模数据集支持滑坡检测中的深度学习（DL）研究以及滑坡编录系统更新的方法开发与验证。基准数据集采集于四个不同时间和地理位置：Iburi（2018年9月）、Kodagu（2018年8月）、Gorkha（2015年4月）和 Taiwan（2009年8月）。每个图像像素均被标注为属于滑坡或否，综合多种来源并经过细致人工标注。随后我们评估了 11 种最先进 DL 分割模型的滑坡检测性能：U-Net、ResU-Net、PSPNet、ContextNet、DeepLab-v2、DeepLab-v3+、FCN-8s、LinkNet、FRRN-A、FRRN-B 和 SQNet。所有模型均在每个研究区四分之一区域的图像块上从头训练，并在其余四分之三区域的独立图像块上测试。实验表明 ResU-Net 在滑坡检测任务中优于其他模型。我们公开了多源滑坡基准数据（Landslide4Sense）及所测试的 DL 模型，网址为 \url{https://www.iarai.ac.at/landslide4sense}，为遥感、计算机视觉和机器学习领域在一般图像分类及特别是滑坡检测应用的研究提供了重要资源。
引用
@article{arxiv.2206.00515,
title = {Landslide4Sense: Reference Benchmark Data and Deep Learning Models for Landslide Detection},
author = {Omid Ghorbanzadeh and Yonghao Xu and Pedram Ghamisi and Michael Kopp and David Kreil},
journal= {arXiv preprint arXiv:2206.00515},
year = {2022}
}