FLOGA:用于 Sentinel-2 烧伤区域制图的机器学习数据集,基准和新的深度学习模型

💡 原文中文,约700字,阅读约需2分钟。
📝

内容提要

本研究创建了FLOGA数据集,用于评估和提取希腊地区的森林火灾烧毁区域。使用高分辨率卫星图像和多种机器学习和深度学习算法进行全面对比,并提出了一种名为BAM-CD的新型深度学习模型。结果表明,所提出的技术在自动提取烧毁区域方面具有高效性和准确性,其数据集和代码公开可用。

🎯

关键要点

  • 本研究创建了FLOGA数据集,用于评估和提取希腊地区的森林火灾烧毁区域。
  • FLOGA数据集包含野火事件之前和之后的高分辨率卫星图像,并由领域专家注释烧毁区域。
  • 研究使用多种机器学习和深度学习算法对FLOGA数据集进行了全面对比。
  • 提出了一种名为BAM-CD的新型深度学习模型,具有高效性和准确性。
  • 研究结果表明,BAM-CD模型在自动提取烧毁区域方面优于其他方法。
  • 数据集和代码已公开可用。
➡️

继续阅读