An Iterative Classification and Semantic Segmentation Network for Old Landslide Detection Using High-Resolution Remote Sensing Images

要約

古い地すべりの検出には大きな課題が存在します。これは、地すべりの形態的特徴が長期間にわたって部分的または大幅に変化しており、周囲との違いがほとんどないためです。
また、サンプル数が少ない問題も深層学習を制限します。
この論文では、反復分類およびセマンティック セグメンテーション ネットワーク (ICSSN) が開発されました。これは、2 つのネットワークで共有される特徴抽出器を反復的にアップグレードすることにより、オブジェクト レベルとピクセル レベルの両方の分類パフォーマンスを大幅に向上させることができます。
オブジェクト レベルの対照学習 (OCL) 戦略は、シャム ネットワークを特徴とするオブジェクト分類サブネットワークで採用され、グローバルな特徴抽出を実現し、サブオブジェクト レベルの対照学習 (SOCL) パラダイムがセマンティック セグメンテーション サブで設計されています。
-地すべりの境界から特徴を効率的に抽出するためのネットワーク。
さらに、オブジェクト レベルとピクセル レベルの両方の分類パフォーマンスが向上するように、セマンティック スペース内の機能を融合する反復トレーニング戦略が精巧に作成されています。
提案された ICSSN は実際の地すべりデータ セットで評価され、実験結果は、ICSSN が古い地すべり検出の分類とセグメンテーションの精度を大幅に改善できることを示しています。
セマンティック セグメンテーション タスクでは、ベースラインと比較して、F1 スコアが 0.5054 から 0.5448 に増加し、mIoU が 0.6405 から 0.6610 に改善され、地滑り IoU が 0.3381 から 0.3743 に改善され、古い地滑りのオブジェクト レベルの検出精度が
0.55～0.9。
オブジェクト分類タスクでは、F1 スコアが 0.8846 から 0.9230 に増加し、精度スコアが 0.8375 から 0.8875 に増加しています。

要約(オリジナル)

Huge challenges exist for old landslide detection because their morphology features have been partially or strongly transformed over a long time and have little difference from their surrounding. Besides, small-sample problem also restrict in-depth learning. In this paper, an iterative classification and semantic segmentation network (ICSSN) is developed, which can greatly enhance both object-level and pixel-level classification performance by iteratively upgrading the feature extractor shared by two network. An object-level contrastive learning (OCL) strategy is employed in the object classification sub-network featuring a siamese network to realize the global features extraction, and a sub-object-level contrastive learning (SOCL) paradigm is designed in the semantic segmentation sub-network to efficiently extract salient features from boundaries of landslides. Moreover, an iterative training strategy is elaborated to fuse features in semantic space such that both object-level and pixel-level classification performance are improved. The proposed ICSSN is evaluated on the real landslide data set, and the experimental results show that ICSSN can greatly improve the classification and segmentation accuracy of old landslide detection. For the semantic segmentation task, compared to the baseline, the F1 score increases from 0.5054 to 0.5448, the mIoU improves from 0.6405 to 0.6610, the landslide IoU improved from 0.3381 to 0.3743, and the object-level detection accuracy of old landslides is enhanced from 0.55 to 0.9. For the object classification task, the F1 score increases from 0.8846 to 0.9230, and the accuracy score is up from 0.8375 to 0.8875.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google