Fighting Fires from Space: Leveraging Vision Transformers for Enhanced Wildfire Detection and Characterization

要約

人為的気候変動の結果として、世界の大部分で強度、頻度、および期間が増加しています。
山火事を扱う最新のハザード検出と応答システムは、持続的な山火事の季節には装備が不十分です。
最近の研究により、衛星画像で訓練された畳み込みニューラルネットワーク（CNN）を使用した自動化された山火事検出は、高精度の結果が得られることが証明されています。
ただし、CNNはトレーニングするのに計算的に費用がかかり、ローカル画像コンテキストのみが組み込まれています。
最近、Vision Transformers（VITS）は、効率的なトレーニングと、ローカルおよびグローバルなコンテキスト情報の両方を含める能力で人気を博しています。
この作業では、VITがよく訓練された特殊なCNNを上回って、Landsat-8画像の以前に公開されたデータセットで山火事を検出できることを示しています。
私たちのVITの1つは、ベースラインCNN比較を0.92％上回っています。
ただし、CNNベースのUNETの独自の実装は、すべてのカテゴリで最高のパフォーマンスを発揮し、画像タスクに持続的なユーティリティを示しています。
全体として、VITはCNNとして山火事を検出するのに同等の能力がありますが、よく調整されたCNNは、ベースラインUNETよりも約4.58％である93.58％を提供するUNETを提供するUNETで山火事を検出するための最良の手法です。

要約(オリジナル)

Wildfires are increasing in intensity, frequency, and duration across large parts of the world as a result of anthropogenic climate change. Modern hazard detection and response systems that deal with wildfires are under-equipped for sustained wildfire seasons. Recent work has proved automated wildfire detection using Convolutional Neural Networks (CNNs) trained on satellite imagery are capable of high-accuracy results. However, CNNs are computationally expensive to train and only incorporate local image context. Recently, Vision Transformers (ViTs) have gained popularity for their efficient training and their ability to include both local and global contextual information. In this work, we show that ViT can outperform well-trained and specialized CNNs to detect wildfires on a previously published dataset of LandSat-8 imagery. One of our ViTs outperforms the baseline CNN comparison by 0.92%. However, we find our own implementation of CNN-based UNet to perform best in every category, showing their sustained utility in image tasks. Overall, ViTs are comparably capable in detecting wildfires as CNNs, though well-tuned CNNs are still the best technique for detecting wildfire with our UNet providing an IoU of 93.58%, better than the baseline UNet by some 4.58%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google