基于迁移学习的语义分割方法在 LiDAR 数据上识别埋藏考古结构的研究
计算机视觉与模式识别
2023-10-20 v4 人工智能
摘要
在考古研究中将深度学习应用于遥感数据时,一个显著障碍是缺乏用于训练模型的合适数据集。迁移学习的应用常被用来缓解这一缺陷。然而,仍需要探索其跨不同考古数据集应用时的有效性。本文使用两个语义分割深度神经网络在两个 LiDAR 数据集上比较了多种迁移学习配置的性能。实验结果表明,考古学中基于迁移学习的方法可带来性能提升,尽管尚未观察到系统性的增强。我们提供了关于此类技术有效性的具体见解,可作为未来工作的基线。
引用
@article{arxiv.2307.03512,
title = {Transfer Learning of Semantic Segmentation Methods for Identifying Buried Archaeological Structures on LiDAR Data},
author = {Gregory Sech and Paolo Soleni and Wouter B. Verschoof-van der Vaart and Žiga Kokalj and Arianna Traviglia and Marco Fiorucci},
journal= {arXiv preprint arXiv:2307.03512},
year = {2023}
}
备注
Accepted to IEEE International Geoscience and Remote Sensing Symposium 2023 (IGARSS 2023) @IEEE copyright