利用高分辨率卫星图像与深度学习进行艾哈迈达巴德城市树木层级变化检测
计算机视觉与模式识别
2024-11-05 v1
摘要
本研究利用0.5米分辨率的卫星数据集，展示了深度学习模型在印度艾哈迈达巴德地区的适用性。在此，采用YOLOv7实例分割模型在精心整理的树木冠层数据集（6500张图像）上进行训练，以执行变化检测。训练过程中，使用边界框回归与掩码回归损失、平均精度均值（mAP）以及随机梯度下降算法来评估和优化模型性能。经过500个epoch后，个体树木检测和树木冠层掩码分割的mAP分别为0.715和0.699。然而，通过进一步调优模型超参数，获得了80%的树木检测最大准确率，数据上的错误分割率为2%。
引用
@article{arxiv.2411.02009,
title = {Tree level change detection over Ahmedabad city using very high resolution satellite images and Deep Learning},
author = {Jai G Singla and Gautam Jaiswal},
journal= {arXiv preprint arXiv:2411.02009},
year = {2024}
}