使用深度编码器-解码器模型的溢油分割
计算机视觉与模式识别
2025-04-10 v2 人工智能
摘要
原油是世界经济与运输部门不可或缺的组成部分。随着因其广泛应用而增长的原油需求，意外溢油虽不幸却不可避免。尽管溢油难以清理，首要挑战在于探测。本研究测试了可有效训练以远程探测溢油的深度编码器-解码器模型的可行性。工作考察并比较了若干分割模型在高维卫星合成孔径雷达(SAR)图像数据上的结果，为进一步深入研究铺路。实验采用了多种模型组合。性能最佳的模型为ResNet-50编码器与DeepLabV3+解码器组合。相较于先前基准模型(其平均交并比(IoU)为65.05%、溢油类IoU为53.38%)，该模型平均IoU达64.868%，溢油类IoU提升至61.549%。
引用
@article{arxiv.2305.01386,
title = {Oil Spill Segmentation using Deep Encoder-Decoder models},
author = {Abhishek Ramanathapura Satyanarayana and Maruf A. Dhali},
journal= {arXiv preprint arXiv:2305.01386},
year = {2025}
}
备注
8 pages, 6 figures, 4 tables