【深度学习地学应用|滑坡制图、变化检测、多目标域适应、感知学习、深度学习】跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习(一)

【深度学习地学应用|滑坡制图、变化检测、多目标域适应、感知学习、深度学习】跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习(一)

【深度学习地学应用|滑坡制图、变化检测、多目标域适应、感知学习、深度学习】跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习(一)


文章目录

  • 【深度学习地学应用|滑坡制图、变化检测、多目标域适应、感知学习、深度学习】跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习(一)
  • 跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习
    • 摘要
    • 引言


欢迎铁子们点赞、关注、收藏!
祝大家逢考必过!逢投必中!上岸上岸上岸!upupup

大多数高校硕博生毕业要求需要参加学术会议,发表EI或者SCI检索的学术论文会议论文:
可访问艾思科蓝官网,浏览即将召开的学术会议列表。会议详细信息可参考:https://ais.cn/u/EbMjMn

DOI: 10.1016/j.isprsjprs.2023.01.018

跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习

在这里插入图片描述

摘要

滑坡制图通过对遥感影像进行像素级分类,对于灾害防治和风险评估至关重要。基于深度学习的变化检测方法通过识别从双时相图像中下坡移动的土壤、岩石及其他物质,极大地促进了滑坡制图,得益于卷积神经网络在特征表示方面的优势。然而,这些网络依赖大量像素级注释数据来实现其优异的性能,并且通常在来自未见领域的异质图像数据上表现出较弱的泛化能力

  • 为了解决这些问题,本文提出了一种基于多目标领域适应(MTDA)技术原型引导领域感知渐进表示学习(PG-DPRL)方法,用于跨域大尺度遥感影像滑坡制图。
  • PG-DPRL旨在学习一个共享的滑坡制图网络,使其在多个目标领域中表现良好,并且无需额外的样本注释工作。具体来说,PG-DPRL采用了近到远适应策略,逐步对齐所有目标领域的表示分布与源领域,考虑到它们之间的差异。
  • 在此基础上,利用跨域原型学习生成可靠的领域特定伪标签,并跨领域聚合表示来学习共享的决策边界。在每个DPRL步骤中,执行原型引导对抗学习(PGAL)算法,以实现类别级表示对齐,并通过引入Wasserstein距离度量和跨域原型一致性(CPC)损失,提升表示的区分能力

基于全球超高分辨率滑坡制图(GVLM)数据集,包含来自不同滑坡地点的17个异质领域的实验结果表明,PG-DPRL方法在滑坡制图中的有效性和鲁棒性。该方法显著提高了滑坡制图网络的迁移能力,并在所有目标领域的总体和平均准确率指标上超过了多个最先进的方法。

引言

每年,滑坡作为全球最常见且广泛分布的自然灾害之一,可能导致大量人员伤亡和显著的经济损失(Keefer 和 Larsen, 2007;Huang 和 Fan, 2013)。因此,滑坡事件的制图是滑坡灾害防治和风险评估的关键组成部分(Guzzetti 等,2012;Martha 等,2013;Di Martire 等,2017)。随着地球观测技术的发展,基于超高分辨率(VHR)遥感影像的滑坡制图受到了越来越多的关注(Li 等,2016b;Lu 等,2019)。滑坡制图被定义为一种像素级分类过程,其中地理参考的遥感影像中的每个像素将被分配为滑坡或非滑坡类别(Zhong 等,2020;Zhang 等,2021b)。在此基础上,可以轻松记录滑坡的属性,如大小、空间范围、位置、类型和发生日期(Guzzetti 等,2012)。由于滑坡本质上是坡面物质(如土壤、岩石、碎屑和人工填土)的下坡运动,滑坡的发生通常伴随着地表覆盖的变化(Dai 等,2002;Hungr 等,2014)。因此,变化检测技术通过自动识别滑坡前后影像之间的差异,突出滑坡区域,减少干扰物(如建筑物、农田和岩石)对滑坡识别的负面影响,在滑坡制图中起到了重要作用(Li 等,2016b;Lu 等,2019)。

基于变化检测的滑坡制图方法大致可以分为三类:基于图像差异的、基于特征的和基于深度学习的

  • 基于图像差异的方法中,滑坡前后图像经过预处理生成一个差异图,表示变化强度(Zhiyong 等,2020)。随后,采用无监督分割方法根据可用的光谱和空间信息,从差异图中检测滑坡(Li 等,2016a,b)。
  • 与基于图像差异的方法相比,基于特征的方法更加依赖可区分的特征来识别滑坡区域。例如,提取多尺度的对象级特征,从同质图像对象中减少滑坡对象内的光谱异质性问题(Stumpf 和 Kerle, 2011;Keyport 等,2018;Kurtz 等,2014;Tavakkoli Piralilou 等,2019)。

此外,图像变换和光谱指数特征的结合已被用于生成更准确的变化强度图(Mondini 等,2011;Lu 等,2019)。

近年来,深度学习模型在遥感领域取得了巨大的成功,因为它们能够从原始影像中提取抽象和概念化的表示(Ma 等,2019;Zhang 等,2019b)。

  • 与基于手工特征的传统方法相比,基于深度学习的方法能够从双时相图像中提取更具代表性的特征,从而以端到端的方式识别滑坡,而无需生成变化幅度(Zhang 等,2021b)。

具体来说,这些方法可以分为基于卷积神经网络(CNNs)和卷积编码解码网络的两类。CNN及其变体已被用于将以查询像素为中心的图像块对分类为滑坡或非滑坡类别(Cai 等,2021;Ji 等,2020;Ghorbanzadeh 等,2020)。最近的研究揭示了基于全卷积网络(FCN)或U-Net框架的编码解码网络在像素级滑坡制图中的应用(Lv 等,2020;Fang 等,2021)。在此基础上,持续的努力已被用来提升滑坡制图网络的特征表示能力,例如引入金字塔池化模块(Lei 等,2019)、残差连接(Yi 和 Zhang,2020)、注意力机制(Zhang 等,2020)和条件随机场(Shi 等,2020)。

下节请参考:【深度学习地学应用|滑坡制图、变化检测、多目标域适应、感知学习、深度学习】跨域大尺度遥感影像滑坡制图方法:基于原型引导的领域感知渐进表示学习(二)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/66125.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

RPC实现原理,怎么跟调用本地一样

回答1 要让⽹络通信细节对使⽤者透明,我们需要对通信细节进⾏封装,我们先看下⼀个 RPC 调⽤的流程涉及到哪些通 信细节: 1. 服务消费⽅( client )调⽤以本地调⽤⽅式调⽤服务; 2. client stub 接收到调…

《C++11》并发库:简介与应用

在C11之前,C并没有提供原生的并发支持。开发者通常需要依赖于操作系统的API(如Windows的CreateThread或POSIX的pthread_create)或者第三方库(如Boost.Thread)来创建和管理线程。这些方式存在以下几个问题: …

【记录52】el-table-column 添加fixed属性 滚动条无法滑动

问题: el-table-column 添加fixed属性 滚动条无法滑动 使用element UI组件,用到el-table的el-table-column的fixed属性时,当滚动条长度小于固定列时,滚动条无法通过鼠标去点击滑动操作 原因 fixed是用来固定列的属性,其…

rtthread学习笔记系列-- 22 dataqueue

文章目录 22 dataqueue https://github.com/wdfk-prog/RT-Thread-Study 22 dataqueue 消息队列:消息队列能够接收来自线程或中断服务例程中不固定长度的消息,并把消息缓存在自己的内存空间中。其他线程也能够从消息队列中读取相应的消息,而当…

了解Node.js

Node.js是一个基于V8引擎的JavaScript运行时环境,它允许JavaScript代码在服务器端运行,从而实现后端开发。Node.js的出现,使得前端开发人员可以利用他们已经掌握的JavaScript技能,扩展技能树并成为全栈开发人员。本文将深入浅出地…

微信小程序在使用页面栈保存页面信息时,如何避免数据丢失?

微信小程序在使用页面栈保存页面信息时避免数据丢失的方法: 一、使用全局变量存储关键数据: 定义一个全局变量,例如在 app.js 中,用于存储页面的重要信息。在页面的 onHide 或 onUnload 生命周期中,将需要保存的数据…

文件上传 分片上传

分片上传则是将一个大文件分割成多个小块分别上传,最后再由服务器合并成完整的文件。这种做法的好处是可以并行处理多个小文件,提高上传效率;同时,如果某一部分上传失败,只需要重传这一部分,不影响其他部分…

js解决 Number失精度问题

const updatePromises adinfo.rows.map(async item > {const cwf await uniCloud.httpclient.request("https://api.oceanengine.com/open_api/v3.0/project/list/", {method: GET,data: {advertiser_id: item.account_id},// 1. 指定text数据格式dataType: tex…

实力认证 | 海云安入选《信创安全产品及服务购买决策参考》

近日,国内知名安全调研机构GoUpSec发布了2024年中国网络安全行业《信创安全产品及服务购买决策参考》,报告从产品特点、产品优势、成功案例、安全策略等维度对各厂商信创安全产品及服务进行调研了解。 海云安凭借AI大模型技术在信创安全领域中的创新应用…

Picocli 命令行框架

官方文档 https://picocli.info/ 官方提供的快速入门教程 https://picocli.info/quick-guide.html 使用 Picocli 创建命令行应用程序 Picocli 是一个用于构建 Java 命令行应用的强大框架,它简化了参数解析和帮助消息生成的过程。 下面是如何使用 Picocli 构建简单命…

windows系统“GameInputRedist.dll”文件丢失或错误导致游戏运行异常如何解决?windows系统DLL文件修复方法

GameInputRedist.dll是存放在windows系统中的一个重要dll文件,缺少它可能会造成部分游戏不能正常运行。当你的电脑弹出提示“无法找到GameInputRedist.dll”或“计算机缺少GameInputRedist.dll”等错误问题,请不用担心,我们将深入解析DLL文件…

M4Pro安装homebrew并基于homebrew安装MySQL踩坑记录

系统偏好设置允许安装任何来源应用:sudo spctl --master-disable 清除提示已损坏软件的安全隔离,重新安装: xattr -cr 空格+App路径 安装homebrew: /opt/homebrew/Cellar 安装包目录 /opt/homebrew/etc 默认运行目…

tmux 中鼠标滚动异常:^[[A和^[[B是什么以及如何解决

tmux 中鼠标滚动异常问题及解决方案 在使用 tmux 时,有时我们会遇到一个现象:当尝试使用鼠标滚轮滚动窗口内容时,终端中会出现一串类似 ^[[A^[[A 的字符。这让人困惑,不知道鼠标滚动为什么不起作用,也不清楚这些字符究…

【Vue】mouted、created、computed区别

mouted、created、computed区别 前端vue重构 — computed、watch、组件通信等常用知识整理 created和mouted都是vue生命周期中的钩子函数,通常用来做一些初始化的工作,比如发送http请求、对组件绑定自定义事件 created:实例创建完后立即调用…

前端如何设计一个回溯用户操作的方案

同一个项目,为什么我本地无法复现,只有客户的设备才复现? 如何获取用户的操作路径呢? 两种方案:埋点和rrweb 埋点就很简单了,将所有可能操作的节点都进行预埋数据;但埋点简单并不省心&#xff…

概率论考前一天

判断是不是分布函数:单调不减,右连续,F负无穷为0, F正无穷为1 判断是不是密度函数:非负性(函数任意地方都大于0),规范:积分为1

2Hive表类型

2Hive表类型 1 Hive 数据类型2 Hive 内部表3 Hive 外部表4 Hive 分区表5 Hive 分桶表6 Hive 视图 1 Hive 数据类型 Hive的基本数据类型有:TINYINT,SAMLLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE&a…

FPGA工程师成长四阶段

朋友,你有入行三年、五年、十年的职业规划吗?你知道你所做的岗位未来该如何成长吗? FPGA行业的发展近几年是蓬勃发展,有越来越多的人才想要或已经踏进了FPGA行业的大门。很多同学在入行FPGA之前,都会抱着满腹对职业发…

springCloudGateway+nacos自定义负载均衡-通过IP隔离开发环境

先说一下想法,小公司开发项目,参考若依框架使用的spring-cloud-starter-gateway和spring-cloud-starter-alibaba-nacos, 用到了nacos的配置中心和注册中心,有多个模块(每个模块都是一个服务)。 想本地开发,…

深度解析 React 中 setState 的原理:同步与异步的交织

在 React 框架的核心机制里,setState是实现动态交互与数据驱动视图更新的关键枢纽。深入理解setState的工作原理,尤其是其同步与异步的特性,对于编写高效、稳定且可预测的 React 应用至关重要。 一、setState 的基础认知 在 React 组件中&a…