利用时序遥感数据的自监督学习快速检测野火热点
计算机视觉与模式识别
2024-05-31 v1
摘要
快速检测和及时干预对于减轻野火影响至关重要。利用卫星网络的遥感数据和先进AI模型自动检测热点（即活跃火灾引起的热异常）是构建野火监测系统的有效途径。本文提出了一个包含欧洲火灾事件相关遥感数据时间序列的新数据集，以及一个基于自监督学习（SSL）的模型，该模型能够分析多时相数据并近乎实时地识别热点。我们使用我们的数据集和Thraws（一个包含多个火灾事件的热异常数据集）训练并评估了模型性能，获得了63.58的F1分数。
引用
@article{arxiv.2405.20093,
title = {Rapid Wildfire Hotspot Detection Using Self-Supervised Learning on Temporal Remote Sensing Data},
author = {Luca Barco and Angelica Urbanelli and Claudio Rossi},
journal= {arXiv preprint arXiv:2405.20093},
year = {2024}
}