通过使用光谱面罩超像素的动态适应性知识蒸来增强海洋石油泄漏检测

科学领域:

• 遥感 遥感 遥感 遥感
• 人工智能的人工智能
• 环境监测 环境监测

背景情况:

• 使用高光谱图像 (HSI) 检测海洋石油泄漏的深度学习 (DL) 模型受到标记训练数据的稀缺性所限制.
• 从HSI中提取全面的空间光谱特征对于准确地识别石油泄漏至关重要.

研究的目的:

• 开发使用光谱面罩超像素 (DAKD-SMS) 的动态适应性知识蒸方法,以解决基于DL的漏油检测中的数据稀缺问题.
• 从未标记的HSI数据中自动提取和利用空间光谱特征,用于模型训练和改进.

主要方法:

• DAKD-SMS方法集成了3D数据转换,动态视觉转换器 (ViT) 网络,使用光谱索引面罩生成超像素,以及适应规模的知识蒸.
• 频谱索引面膜用于快速超像素细分,知识蒸生成自我标记的样本以优化ViT网络.
• 一个适应尺度的蒸模块计算空间光谱联合距离 (SSJD),以生成软标签超像素集用于概率估计.

主要成果:

• 拟议的DAKD-SMS模型在三个不同的数据集中实现了98.84%,93.63%和96.67%的高油污检测精度.
• 该方法与现有的漏油检测技术相比,显示出更高的性能.
• DAKD-SMS有效地解决了有限的标签数据的瓶,提高了检测能力.

结论:

• DAKD-SMS方法通过有效利用未标记的HSI数据,为海上石油泄漏检测提供了强大的解决方案.
• 该方法通过先进的空间光谱特征提取和自适应学习策略来提高DL模型的性能.
• 这项工作显著提高了DL在环境监测应用中的潜力,特别是在石油泄漏响应方面.