利用深度学习从太空计数信天翁
计算机视觉与模式识别
2019-07-04 v1
摘要
在本文中，我们测试使用深度学习方法在甚高分辨率(VHR)卫星影像中自动计数漂泊信天翁。我们使用英国南极调查局提供的手动标注影像数据集来训练和发展我们的方法。我们采用为图像分割设计的U-Net架构，同时分类和定位潜在信天翁。我们利用Focal Loss准则辅助训练，以应对数据集中极端的类不平衡。初始结果达到约80%的峰值精确率和召回率。最后，我们通过将误差与多名观测者标注的影像进行比较，评估模型性能相对于观测者间差异的表现。我们得出结论：模型精度落在人工计数者的范围内。我们希望这些方法能简化VHR卫星影像的分析，从而实现对高度保护关注物种的更频繁监测。
引用
@article{arxiv.1907.02040,
title = {Using Deep Learning to Count Albatrosses from Space},
author = {Ellen Bowler and Peter T. Fretwell and Geoffrey French and Michal Mackiewicz},
journal= {arXiv preprint arXiv:1907.02040},
year = {2019}
}
备注
4 pages, 5 figures, to be presented at IEEE 2019 International Geoscience & Remote Sensing Symposium (IGARSS 2019), scheduled for July 28 - August 2, 2019