Monitoring snow avalanches from SAR data with deep learning
作者: Filippo Maria Bianchi, Jakob Grahn
发布时间: 2025-02-27
来源: arxiv
研究方向: 利用深度学习技术进行雪崩监测与分割
主要内容
本文研究了利用合成孔径雷达（SAR）数据，通过深度学习模型进行雪崩的检测与分割。主要内容包括SAR数据在雪崩监测中的应用，深度学习模型在雪崩检测中的优势，以及不同深度学习模型在雪崩分割中的应用效果。
主要贡献
1. 提出了一种基于深度学习的雪崩分割方法，提高了雪崩检测的精度和空间分辨率。
2. 扩展了原始数据集，并评估了多种先进的分割模型，包括ViT，确定了FPN与Xception骨干网络在性能和计算复杂度之间的良好平衡。
3. 使用最佳模型在挪威进行了大规模的雪崩检测，揭示了雪崩的空间和时间分布模式。
4. 为雪崩监测和风险预测提供了新的方法和技术支持。
研究方法
1. 合成孔径雷达（SAR）数据采集与处理
2. 深度学习模型构建与训练
3. 数据集扩展与标注
4. 模型评估与优化
5. 大规模雪崩检测与分析
实验结果
实验结果表明，深度学习模型在雪崩分割中取得了显著的性能提升，特别是在处理复杂地形和不同雪况时。FPN与Xception骨干网络在性能和计算复杂度之间取得了良好的平衡，适用于大规模雪崩检测。
未来工作
未来将利用扩展的数据集和气象数据，结合时空深度学习模型，预测雪崩活动，提高风险预测的准确性。同时，将探索新的深度学习模型和算法，进一步提高雪崩监测和风险预测的效率。