基于对比学习的无监督野火变化检测
计算机视觉与模式识别
2022-11-29 v1 机器学习
摘要
准确刻画野火事件的严重程度有助于刻画火灾易发区域的燃料状况，并为灾害响应提供有价值的信息。本研究旨在构建一个基于高分辨率多光谱卫星影像的自主系统，采用先进的深度学习方法来检测过火面积变化。本文提出初步探索在无监督模型下用于野火场景的特征提取。该方法基于对比学习技术 SimCLR，其训练目标是最小化图像增强之间的余弦距离。编码图像之间的距离也可用于变化检测。我们对该方法提出改进，使其可用于无监督过火面积检测及后续下游任务。我们表明所提方法优于测试的基线方法。
引用
@article{arxiv.2211.14654,
title = {Unsupervised Wildfire Change Detection based on Contrastive Learning},
author = {Beichen Zhang and Huiqi Wang and Amani Alabri and Karol Bot and Cole McCall and Dale Hamilton and Vít Růžička},
journal= {arXiv preprint arXiv:2211.14654},
year = {2022}
}
备注
5 pages (+3 in appendix), 3 figures (+2 in appendix). Artificial Intelligence for Humanitarian Assistance and Disaster Response Workshop (AI+HADR 2022), 36th Conference on Neural Information Processing Systems (NeurIPS 2022)