Sea Ice Segmentation From SAR Data by Convolutional Transformer Networks

要約

海氷は地球の気候システムの重要な構成要素であり、温度や大気条件の変化に非常に敏感です。
海氷パラメータの正確かつタイムリーな測定は、気候変動の影響を理解して予測するために重要です。
それにもかかわらず、氷域上で取得される衛星データの量は膨大であり、主観的な測定は非効率的です。
したがって、衛星からの継続的なデータ フィードを最大限に活用するには、自動アルゴリズムを使用する必要があります。
この論文では、ハイブリッド畳み込み変換器 (ConvTr) ネットワークを使用した SAR 衛星画像に基づく海氷セグメント化の新しいアプローチを紹介します。
私たちのアプローチは古典的な畳み込みネットワークよりも優れたパフォーマンスを示し、同時に純粋な変換モデルよりもかなり効率的であることを示します。
ConvTr は、400 x 400 平方キロメートルの積の推論時間を 120 ミリ秒と仮定して、AI4Arctic データ セットで 63.68% の平均交差オーバーユニオン (mIoU) を取得しました。

要約(オリジナル)

Sea ice is a crucial component of the Earth’s climate system and is highly sensitive to changes in temperature and atmospheric conditions. Accurate and timely measurement of sea ice parameters is important for understanding and predicting the impacts of climate change. Nevertheless, the amount of satellite data acquired over ice areas is huge, making the subjective measurements ineffective. Therefore, automated algorithms must be used in order to fully exploit the continuous data feeds coming from satellites. In this paper, we present a novel approach for sea ice segmentation based on SAR satellite imagery using hybrid convolutional transformer (ConvTr) networks. We show that our approach outperforms classical convolutional networks, while being considerably more efficient than pure transformer models. ConvTr obtained a mean intersection over union (mIoU) of 63.68% on the AI4Arctic data set, assuming an inference time of 120ms for a 400 x 400 squared km product.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google