Performance evaluation of deep segmentation models on Landsat-8 imagery

要約

飛行機雲は、凝縮トレイルの略で、冷たく湿った空気の中を飛行するときに、航空機エンジンの排気によって生成される線状の氷の雲です。
それらは、放出された発信長波放射の約 33% を吸収または地球に戻すことにより、温室効果を生み出します。
それらは、航空活動に起因する気候変動の半分以上を占めています。
飛行機雲を避けて飛行ルートを調整することは、影響を軽減するための安価で効果的な方法になる可能性があります。
飛行機雲回避戦略を開発および評価するには、正確で自動化された信頼性の高い検出アルゴリズムが必要です。
飛行機雲検出の進歩は、主に品質ラベルの付いたデータの欠如によるいくつかの要因により、大幅に制限されています。
最近、人間がラベルを付けた大規模な Landsat-8 飛行機雲データセットが提案されました。
各飛行機雲には、Landsat-8 衛星画像のさまざまなシーンのさまざまな入力が慎重にラベル付けされています。
この作業では、さまざまな損失関数とエンコーダー バックボーンの組み合わせを使用して、いくつかの一般的なセグメンテーション モデルのベンチマークを行います。
この作品は、最先端のセグメンテーション技術を適用して低軌道衛星画像の飛行機雲を検出した最初の作品です。
私たちの作業は、飛行機雲セグメンテーションのオープン ベンチマークとしても使用でき、公開されています。

要約(オリジナル)

Contrails, short for condensation trails, are line-shaped ice clouds produced by aircraft engine exhaust when they fly through cold and humid air. They generate a greenhouse effect by absorbing or directing back to Earth approximately 33% of emitted outgoing longwave radiation. They account for over half of the climate change resulting from aviation activities. Avoiding contrails and adjusting flight routes could be an inexpensive and effective way to reduce their impact. An accurate, automated, and reliable detection algorithm is required to develop and evaluate contrail avoidance strategies. Advancement in contrail detection has been severely limited due to several factors, primarily due to a lack of quality-labeled data. Recently, proposed a large human-labeled Landsat-8 contrails dataset. Each contrail is carefully labeled with various inputs in various scenes of Landsat-8 satellite imagery. In this work, we benchmark several popular segmentation models with combinations of different loss functions and encoder backbones. This work is the first to apply state-of-the-art segmentation techniques to detect contrails in low-orbit satellite imagery. Our work can also be used as an open benchmark for contrail segmentation and is publicly available.

arxiv情報

著者 Akshat Bhandari,Sriya Rallabandi,Sanchit Singhal,Aditya Kasliwal,Pratinav Seth
発行日 2022-11-30 13:17:05+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG パーマリンク