CCESAR: Coastline Classification-Extraction From SAR Images Using CNN-U-Net Combination

要約

この記事では、画像分類とそれに続くセグメンテーションを含む 2 段階のモデルを提案することにより、合成開口レーダー (SAR) 画像から海岸線を抽出するためのディープ ラーニング ソリューションを改善します。
通常、海岸線の検出に使用される単一のセグメンテーション モデルでは、さまざまな種類の海岸線を特徴付けるには不十分であると仮説を立てます。
これらの画像のさまざまな圧縮レベルを通じて、2 段階のワークフローの必要性が広がることを示します。
Sentinel-1 画像で CNN と U-Net モデルを組み合わせて使用​​した実験の結果は、SAR 画像からの海岸線分類抽出 (CCESAR) という 2 段階のワークフローが、単一の U-Net セグメンテーション モデルよりも優れていることを示しています。

要約(オリジナル)

In this article, we improve the deep learning solution for coastline extraction from Synthetic Aperture Radar (SAR) images by proposing a two-stage model involving image classification followed by segmentation. We hypothesize that a single segmentation model usually used for coastline detection is insufficient to characterize different coastline types. We demonstrate that the need for a two-stage workflow prevails through different compression levels of these images. Our results from experiments using a combination of CNN and U-Net models on Sentinel-1 images show that the two-stage workflow, coastline classification-extraction from SAR images (CCESAR) outperforms a single U-Net segmentation model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google