TrueBranch:基于度量学习的森林保护项目验证
计算机视觉与模式识别
2020-04-22 v1 机器学习
机器人学
摘要
国际利益相关者日益增加对碳抵消排放的投资,例如通过向森林保护项目发放生态系统服务付费(PES)。发放可信的支付需要对生态系统服务(如森林中储存的碳)进行透明的监测、报告和核查(MRV)过程。然而,当前的MRV过程要么过于昂贵(森林实地检查),要么不够准确(卫星)。近期的研究提出通过自动从土地所有者收集的无人机图像中确定森林碳储量,实现低成本且准确的MRV。然而,MRV的自动化引入了土地所有者报告虚假无人机图像的可能性。为抵御虚假报告,我们提出TrueBranch,一种基于度量学习的算法,用于验证森林保护项目无人机图像的真实性。TrueBranch旨在通过将无人机图像与公开卫星图像进行匹配,检测虚假报告的无人机图像。初步结果表明,标称距离度量不足以可靠检测虚假报告的图像。TrueBranch利用度量学习创建特征嵌入,在该嵌入空间中,真实采集与虚假采集的图像可通过距离阈值轻松区分。
引用
@article{arxiv.2004.09725,
title = {TrueBranch: Metric Learning-based Verification of Forest Conservation Projects},
author = {Simona Santamaria and David Dao and Björn Lütjens and Ce Zhang},
journal= {arXiv preprint arXiv:2004.09725},
year = {2020}
}
备注
*Authors have contributed equally. Published as Spotlight Presentation at ICLR 2020 Workshop on Tackling Climate Change with Machine Learning