Oil Spill Segmentation using Deep Encoder-Decoder models

要約

タイトル：深層エンコーダデコーダモデルを用いた海洋油流出物のセグメンテーション

要約：
– 原油は現代の世界経済の重要な構成要素であり、広範囲に利用されるため、偶発的な海洋油流出は避けられない。
– 海洋油流出物を検出するために深層エンコーダデコーダモデルの利用可能性をテストした研究である。
– 高次元の衛星合成開口レーダー（SAR）画像データの複数のセグメンテーションモデルの結果を比較した。
– 実験には複数のモデルの組み合わせが使用され、最も性能がよいのはResNet-50エンコーダとDeepLabV3+デコーダを持つモデルである。
– このモデルは、「現在のベンチマークモデル」と比較して、平均IoUが64.868％、クラスIoUが61.549％で、「海洋油流出物」クラスのIoUが53.38％であったのに対し、平均IoUが65.05％、クラスIoUが53.38％であった。

要約(オリジナル)

Crude oil is an integral component of the modern world economy. With the growing demand for crude oil due to its widespread applications, accidental oil spills are unavoidable. Even though oil spills are in and themselves difficult to clean up, the first and foremost challenge is to detect spills. In this research, the authors test the feasibility of deep encoder-decoder models that can be trained effectively to detect oil spills. The work compares the results from several segmentation models on high dimensional satellite Synthetic Aperture Radar (SAR) image data. Multiple combinations of models are used in running the experiments. The best-performing model is the one with the ResNet-50 encoder and DeepLabV3+ decoder. It achieves a mean Intersection over Union (IoU) of 64.868% and a class IoU of 61.549% for the ‘oil spill’ class when compared with the current benchmark model, which achieved a mean IoU of 65.05% and a class IoU of 53.38% for the ‘oil spill’ class.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI