用于航迹云检测的深度学习分割模型性能评估
计算机视觉与模式识别
2023-11-07 v4 机器学习
摘要
Contrails（ condensation trails 的简称，即凝结尾迹）是飞机发动机排气在飞经寒冷潮湿空气时产生的线状冰云。它们通过吸收或将约 33% 的向外长波辐射反射回地球而产生温室效应。它们造成了超过一半由航空活动引起的气候变化。避免产生凝结尾迹并调整飞行路线可能是一种廉价且有效的方式来减少其影响。开发并评估凝结尾迹规避策略需要一种准确、自动化且可靠的检测算法。由于缺乏高质量的标注数据等主要因素，凝结尾迹检测的发展受到严重限制。最近，有学者提出了一个大型人工标注的 Landsat-8 凝结尾迹数据集。每条凝结尾迹都在 Landsat-8 卫星图像的各种场景中以多种输入被仔细标注。在本工作中，我们以不同损失函数与编码器骨干网络的组合对几种流行的分割模型进行了基准测试。本工作是首个将最先进（SOTA）的分割技术应用于低轨道卫星图像中凝结尾迹检测的工作。我们的工作也可用作凝结尾迹分割的开放基准，并且已公开可用。
引用
@article{arxiv.2211.14851,
title = {Performance evaluation of deep segmentation models for Contrails detection},
author = {Akshat Bhandari and Sriya Rallabandi and Sanchit Singhal and Aditya Kasliwal and Pratinav Seth},
journal= {arXiv preprint arXiv:2211.14851},
year = {2023}
}
备注
Accepted to Tackling Climate Change with Machine Learning: workshop at NeurIPS 2022