Automatic Crater Shape Retrieval using Unsupervised and Semi-Supervised Systems

要約

衝突クレーターは、惑星体の表面への連続的な衝突によって形成される。最近のディープラーニングに基づくクレーター検出手法の多くは、クレーターを円形として扱い、クレーターの正確な形状を抽出することにはあまり注意が払われていない。クレーターの正確な形状を抽出することは、クレーターの形成など、多くの高度な解析に役立つ可能性がある。本論文では，教師なし非ディープラーニングと半教師付きディープラーニングを組み合わせて，クレーターの形状を正確に抽出し，既存のカタログから欠落しているクレーターを検出するアプローチを提案する．教師なし非ディープラーニングでは，クレーターの形状を抽出するために適応的なリム抽出アルゴリズムを提案した．この適応的リム抽出アルゴリズムでは，DEMの標高プロファイルを利用し，DEMから得られる斜面にモルフォロジー演算を適用して，クレーターの形状を抽出する．抽出されたクレーターの形状は、半教師付きディープラーニングで位置、大きさ、精緻な形状を得るために使用されます。さらに、抽出されたクレーターの形状を利用して、クレーターの直径や深さなどの形態的要因の推定値を向上させる。クレーターの形状、推定直径、深さと他の形態学的要因については、一般に公開される予定である。

要約(オリジナル)

Impact craters are formed due to continuous impacts on the surface of planetary bodies. Most recent deep learning-based crater detection methods treat craters as circular shapes, and less attention is paid to extracting the exact shapes of craters. Extracting precise shapes of the craters can be helpful for many advanced analyses, such as crater formation. This paper proposes a combination of unsupervised non-deep learning and semi-supervised deep learning approach to accurately extract shapes of the craters and detect missing craters from the existing catalog. In unsupervised non-deep learning, we have proposed an adaptive rim extraction algorithm to extract craters’ shapes. In this adaptive rim extraction algorithm, we utilized the elevation profiles of DEMs and applied morphological operation on DEM-derived slopes to extract craters’ shapes. The extracted shapes of the craters are used in semi-supervised deep learning to get the locations, size, and refined shapes. Further, the extracted shapes of the craters are utilized to improve the estimate of the craters’ diameter, depth, and other morphological factors. The craters’ shape, estimated diameter, and depth with other morphological factors will be publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL