CVPR MultiEarth 2023 Deforestation Estimation Challenge:SpaceVision4Amazon

要約

この論文では、電気光学 (EO) 衛星画像と合成開口レーダー (SAR) 衛星画像を使用した、注意誘導型 UNet アーキテクチャに基づく森林減少推定方法を紹介します。
光学画像の場合は Landsat-8、SAR 画像の場合は Sentinel-1 データが、提案されたモデルのトレーニングと検証に使用されています。
時間的および空間的に配置されたデータが利用できないため、センサーごとに個別のモデルがトレーニングされています。
トレーニング時間中、Landsat-8 モデルは 93.45% のトレーニングおよび検証ピクセル精度を達成し、Sentinel-2 モデルは 83.87% のピクセル精度を達成しました。
テスト セットの評価中、モデルは 84.70% のピクセル精度を達成し、F1 スコアは 0.79、IoU は 0.69 でした。

要約(オリジナル)

In this paper, we present a deforestation estimation method based on attention guided UNet architecture using Electro-Optical (EO) and Synthetic Aperture Radar (SAR) satellite imagery. For optical images, Landsat-8 and for SAR imagery, Sentinel-1 data have been used to train and validate the proposed model. Due to the unavailability of temporally and spatially collocated data, individual model has been trained for each sensor. During training time Landsat-8 model achieved training and validation pixel accuracy of 93.45% and Sentinel-2 model achieved 83.87% pixel accuracy. During the test set evaluation, the model achieved pixel accuracy of 84.70% with F1-Score of 0.79 and IoU of 0.69.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google