遥感图像处理笔记之【Automatic Flood Detection from Satellite Images Using Deep Learning】
遥感图像处理学习(7)
前言
遥感系列第7篇。遥感图像处理方向的学习者可以参考或者复刻
本文初编辑于2023年12月29日
2024年1月24日搬运至本人博客园平台
文章标题:Automatic Flood Detection from Satellite Images Using Deep Learning
文章地址:https://medium.com/@omercaliskan99/automatic-flood-detection-from-satellite-images-using-deep-learning-f14fafd369e0
文章所涉及的代码:作者没给
这篇文章着眼于洪水灾害区域检测,作者使用多个模型,对洪水灾害前后卫星图像进行学习,最终对比各个模型的性能。
总结:SegNet杂鱼️~ 杂鱼️ ~
数据库介绍
Synthetic Aperture Radar (SAR)是一种用于高分辨率地球成像和移动目标探测的雷达系统,可用于载人和无人机平台。我们可以通过网站找到SAR图像数据集,也可以使用Sentinel-1或Sentinel-2等前人通过各种过滤器提取出的,适用于不同任务的数据集。
本文只使用了Sentinel-1。
Sentinel-1是用于陆地和海洋服务的极地轨道全天候昼夜雷达成像任务。Sentinel-1A于2014年4月3日发射升空,Sentinel-1B于2016年4月25日发射升空。主要应用:监测北极海冰范围、海冰测绘、海洋环境监测,土地变化、土壤含水量、产量估计、地震、山体滑坡、城市地面沉降、支持人道主义援助和危机局势,包括溢油监测、海上安全船舶检测、洪水淹没。
此处参考:https://zhuanlan.zhihu.com/p/356726375
Sentinel Application Platform(SNAP )是由欧洲航天局开发的一种分析和编辑遥感图像的工具。
数据预处理
数据预处理工作总共四步。
轨道数据更新(原文:Apply Orbit File):轨道数据保质期很短,模型训练前要更新一下。
热噪声去除(原文:Thermal Noise Removal):就是去掉热噪声的意思。
校准(原文:Calibration):SAR图像中可能发生速率和时间相关的辐射畸变,大气、地形什么的都可能造成误差,需要处理
散斑过滤器(原文:Speckle Filter):从主要散射体反射的波影响会影响图像,需要处理
称Sentinel-1原数据为data,称经过预处理后的图像为mask。后面将mask变成512*512像素的图像方便模型训练。
模型原理
简单理解:就是找不同。
具体来说就是:输入洪水前图像和洪水后图像,先filter再concatenate,通过一个change detection network,得到两个图中的不同之处。
训练模型前,将图像数据分为:训练集80%,测试集10%,验证集10%
原文讲了一下语义分割、实例分割和目标检测的区别,简单讲了U-Net、LinkNet和SegNet之间的差别,有兴趣自己去看吧。
语义分割:通过分配相同的标签,对图片中相同的对象进行分类
实例分割:为所确定对象的每个实例分配一个唯一的标记
目标检测:要分类的对象在方框中表示
模型比较
第一,测试不同模型在预处理图像mask上的表现。文章这里好多图片不想贴,总之三个模型在各个阈值(threshold)下都是98%、97%左右的准确率
第二,测试不同模型在原图像data上的表现。文章这里好多图片不想贴,LinkNet和U-Net在各个阈值(threshold)下都是98%-96%的准确率,SegNet在各个阈值(threshold)下是90%-85%的准确率。SegNet真是杂鱼捏️~
第三,测试不同模型在没有参与训练的图像上的表现。SegNet真是杂鱼捏️~
---
对文章所涉及的代码的说明(无)
遥感图像处理笔记之【Automatic Flood Detection from Satellite Images Using Deep Learning】的更多相关文章
- 韩松毕业论文笔记-第六章-EFFICIENT METHODS AND HARDWARE FOR DEEP LEARNING
难得跟了一次热点,从看到论文到现在已经过了快三周了,又安排了其他方向,觉得再不写又像之前读过的N多篇一样被遗忘在角落,还是先写吧,虽然有些地方还没琢磨透,但是paper总是这样吧,毕竟没有亲手实现一下 ...
- 深度学习笔记之关于总结、展望、参考文献和Deep Learning学习资源(五)
不多说,直接上干货! 十.总结与展望 1)Deep learning总结 深度学习是关于自动学习要建模的数据的潜在(隐含)分布的多层(复杂)表达的算法.换句话来说,深度学习算法自动的提取分类需要的低层 ...
- 个性探测综述阅读笔记——Recent trends in deep learning based personality detection
目录 abstract 1. introduction 1.1 个性衡量方法 1.2 应用前景 1.3 伦理道德 2. Related works 3. Baseline methods 3.1 文本 ...
- CANBus Determining Network Baud Rate, Automatic bit-rate detection
http://www.canbushack.com/blog/index.php?title=determining-network-baud-rate Determining Network Bau ...
- 【图像处理笔记】SIFT算法原理与源码分析
[图像处理笔记]总目录 0 引言 特征提取就是从图像中提取显著并且具有可区分性和可匹配性的点结构.常见的点结构一般为图像内容中的角点.交叉点.闭合区域中心点等具有一定物理结构的点,而提取点结构的一般思 ...
- Joint Deep Learning for Pedestrian Detection笔记
1.结构图 Introduction Feature extraction, deformation handling, occlusion handling, and classification ...
- 论文笔记之:From Facial Parts Responses to Face Detection: A Deep Learning Approach
From Facial Parts Responses to Face Detection: A Deep Learning Approach ICCV 2015 从以上两张图就可以感受到本文所提方法 ...
- 论文笔记之:Pedestrian Detection aided by Deep Learning Semantic Tasks
Pedestrian Detection aided by Deep Learning Semantic Tasks CVPR 2015 本文考虑将语义任务(即:行人属性和场景属性)和行人检测相结合, ...
- 【论文笔记】DeepOrigin: End-to-End Deep Learning for Detection of New Malware Families
DeepOrigin: End-to-End Deep Learning for Detection of New Malware Families 标签(空格分隔): 论文 论文基本信息 会议: I ...
- Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现(转)
Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文, ...
随机推荐
- 版本升级 | 兼容VSCode及全系IDE,代码风险一键查询
OpenSCA插件上新啦~ Jetbrains IDE插件全新升级,很多朋友提了需求的VSCode咱也支持上啦~ 当然,CEC-IDE也是兼容的(手动狗头). OpenSCA-VSCode-plugi ...
- django的简单学习
前言 以下项目实现基于一个投票系统 安装django 命令行安装 pip install django pycharm安装 pycharm的setting里找到这个,点击+号,搜索django 点击I ...
- hbulider 运行微信开发者工具 Enable IDE Service (y/N) [27D[27C
问题:hbulider 运行微信开发者工具 出现如下页面,没有输入y的交互界面 解决办法:先安装微信开发者工具,然后打开微信开发者工具 再次运行:
- 无向图求桥 UVA 796
***桥的概念:无向连通图中,如果删除某边后,图变 成不连通,则称该边为桥.*** ***一条边(u,v)是桥,当且仅当(u,v)为树枝边,且 满足dfn(u)<low(v)(前提是其没有重边) ...
- Bash 常用命令总结
基础常用命令 某个命令 --h,对这个命令进行解释 某个命令 --help,解释这个命令(更详细) man某个命令,文档式解释这个命令(更更详细)(执行该命令后,还可以按/+关键字进行查询结果的搜索) ...
- SD协议-时序
1.SD Timing 时序主要体现在CMD和Response的时序 S - 起始位,一直为0 T - Transmitter,1表示CMD(发起端是Host),0表示Response(发起端是Car ...
- 宝塔部署 springboot 项目遇到的 一些bug处理方案
1,上传的项目(jar包)的数据库用户名 .密码 , 和服务器的数据库用户名.密码不一致 2,数据库的表结构没有创建 3, 宝塔 phpmyadmin 进不去 原因: 服务器没有放行888端口, 宝塔 ...
- [转帖]性能调优:理解Set Statistics IO输出
https://www.cnblogs.com/woodytu/p/4535658.html 性能调优是DBA的重要工作之一.很多人会带着各种性能上的问题来问我们.我们需要通过SQL Server知识 ...
- [转帖]TiKV & TiDB相关笔记
https://www.jianshu.com/p/1141be233bb2 一.TiKV存储 简述 通过单机的 RocksDB,TiKV 可以将数据快速地存储在磁盘上:通过 Raft,将数据复制到多 ...
- [转帖]学会BeanShell,才敢说自己懂Jmeter
https://baijiahao.baidu.com/s?id=1717349581352944280&wfr=spider&for=pc jmeter的BeanShell Sa ...