基于深度学习的卫星影像中矿山与尾矿坝检测
计算机视觉与模式识别
2020-07-03 v1 机器学习
图像与视频处理
摘要
本工作探索结合免费云计算、免费开源软件与深度学习方法，以分析一个真实的大规模问题：在巴西全国范围内自动识别与分类露天矿山和采矿尾矿坝。官方登记的矿山与尾矿坝位置取自巴西政府开放数据资源。在多光谱 Sentinel-2 卫星影像上，于 Google Earth Engine 平台获取并处理数据，使用 TensorFlow 2 API 和 Google Colab 平台训练与测试深度神经网络。全卷积神经网络以一种创新方式被用于在大面积巴西领土上搜索未登记的矿山与尾矿坝。该方法的有效性通过发现 263 个无官方采矿特许权的矿山得到证明。这项探索性工作凸显了一组可免费获取的新技术在构建具有高社会影响的低成本数据科学工具方面的潜力。同时，它讨论并试图为非法采矿及尾矿坝 proliferation 这一复杂而严重的问题提出实用解决方案，该问题对人口与环境构成高风险，尤其在发展中国家。代码公开于：https://github.com/remis/mining-discovery-with-deep-learning。
引用
@article{arxiv.2007.01076,
title = {Mining and Tailings Dam Detection In Satellite Imagery Using Deep Learning},
author = {Remis Balaniuk and Olga Isupova and Steven Reece},
journal= {arXiv preprint arXiv:2007.01076},
year = {2020}
}
备注
Preprint submitted to Remote Sensing of Environment