中国青年报客户端北京9月24日电（中青报·中青网记者叶雨婷）记者从清华大学获悉，清华大学地学系付昊桓教授研究组在遥感领域高影响期刊《ISPRS-摄影测量与遥感》（ISPRSJournalofPhotogrammetryandRemoteSensing）上发表题为“基于多层次注意力机制的跨区域油棕检测方法”的研究论文。研究组设计了一种新的领域自适应模型，在不针对新研究区域增加标注成本的前提下，面向全新的遥感影像数据和研究区域，将油棕识别的准确率提高了15%。这种方法为大尺度、跨区域、低成本的油棕识别提供了参考。
油棕作为一种重要的热带产油作物，具有很高的经济效益和生态研究价值。对油棕的准确识别有利于更好地油棕种植园管理，从而促进棕榈油产量的提高。基于遥感影像和深度学习模型，目前已有很多研究工作实现了高准确率的油棕识别。但是已有的工作主要聚焦于单一的、有限的研究区域。当使用不同传感器、不同时间、不同区域的复杂区域影像时，如果直接运用传统模型做预测，会因为遥感影像之间存在的明显差异，导致油棕检测结果精度出现大幅度的下降。这时如果想要保持识别准确率，需要将新的影像样本加入到识别训练中，然而这将需要更多的人工标记成本。
为了进一步将油棕识别应用于更大规模区域，付昊桓研究组提出了一种新的领域自适应模型（Multi-levelAttentionDomainAdaptationNetwork,MADAN）。该方法不需要重新标注目标域的样本，只需要源域的样本和目标域的影像信息即可。MADAN采用了基于对抗学习的多层次注意力机制，有效地度量了不同影像以及同一影像不同区域的迁移能力，同时极大改善了目标域中容易混淆的样本预测的置信度。研究组成员以马来西亚三个不同区域及其遥感影像为例，发现MADAN与现有最新的方法相比，精度上实现了3.55～14.49%的显著提升。
清华大学地学系博士生郑珏鹏为论文第一作者，地学系博士毕业生、香港中文大学博士后研究员李唯嘉为通讯作者。地学系教授付昊桓、副教授俞乐共同指导了该研究工作。本工作得到了国家重点研发计划、国家自然科学基金以及青岛海洋科学与技术试点国家实验室的支持。
来源：中国青年报客户端
转载请注明：http://www.0431gb208.com/sjsbszl/2198.html
