Mejorando la detección de deslizamientos de tierra con una arquitectura U-Net optimizada por SBConv basada en datos de teledetección multisource
Autores: Song, Yingxu; Zou, Yujia; Li, Yuan; He, Yueshun; Wu, Weicheng; Niu, Ruiqing; Xu, Shuai
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Mejorando la detección de deslizamientos de tierra con una arquitectura U-Net optimizada por SBConv basada en datos de teledetección multisource
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Enfoque
Detección de deslizamientos de tierra
Módulo SBConv
Arquitectura U-Net
Características redundantes
Métricas de rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este estudio presenta un enfoque novedoso para la detección de deslizamientos de tierra al incorporar el módulo de Convolución de Refinamiento Espacial y de Banda (SBConv) en la arquitectura U-Net, para extraer características de manera más eficiente. La arquitectura original de U-Net emplea capas convolucionales para la extracción de características, durante las cuales puede capturar algunas características redundantes o menos relevantes. Aunque este enfoque ayuda a construir representaciones ricas de características, también puede llevar a un mayor consumo de recursos computacionales. Para abordar este desafío, proponemos el módulo SBConv, una unidad convolucional eficiente diseñada para reducir la computación redundante y mejorar el aprendizaje de características representativas. SBConv consta de dos componentes clave: la Unidad Refinada Espacial (SRU) y la Unidad Refinada de Banda (BRU). La SRU adopta un enfoque de separar y reconstruir para mitigar la redundancia espacial, mientras que la BRU emplea una estrategia de dividir, transformar y fusionar para disminuir la redundancia de banda. La evaluación empírica revela que los modelos equipados con SBConv no solo muestran una reducción en las características redundantes, sino que también logran mejoras significativas en las métricas de rendimiento. Notablemente, los modelos con SBConv demuestran un aumento marcado en el Recall y la puntuación F1, superando al modelo estándar de U-Net. Por ejemplo, la variante SBConvU-Net logra un Recall del 75.74% y una puntuación F1 del 73.89%, mientras que el SBConvResU-Net registra un Recall del 70.98% y una puntuación F1 del 73.78%, en comparación con el Recall del 60.59% y la puntuación F1 del 70.91% del U-Net estándar, y el Recall del 54.75% y la puntuación F1 del 66.86% del ResU-Net. Estas mejoras en la precisión de detección subrayan la eficacia del módulo SBConv en el refinamiento de las capacidades de las arquitecturas U-Net para la detección de deslizamientos de tierra a partir de datos de teledetección de múltiples fuentes. Esta investigación contribuye al campo de la detección de deslizamientos de tierra basada en tecnología de teledetección, proporcionando una solución más efectiva y eficiente. Destaca el potencial de la arquitectura U-Net mejorada en el monitoreo ambiental y también proporciona asistencia en los esfuerzos de prevención y mitigación de desastres.
Descripción
Este estudio presenta un enfoque novedoso para la detección de deslizamientos de tierra al incorporar el módulo de Convolución de Refinamiento Espacial y de Banda (SBConv) en la arquitectura U-Net, para extraer características de manera más eficiente. La arquitectura original de U-Net emplea capas convolucionales para la extracción de características, durante las cuales puede capturar algunas características redundantes o menos relevantes. Aunque este enfoque ayuda a construir representaciones ricas de características, también puede llevar a un mayor consumo de recursos computacionales. Para abordar este desafío, proponemos el módulo SBConv, una unidad convolucional eficiente diseñada para reducir la computación redundante y mejorar el aprendizaje de características representativas. SBConv consta de dos componentes clave: la Unidad Refinada Espacial (SRU) y la Unidad Refinada de Banda (BRU). La SRU adopta un enfoque de separar y reconstruir para mitigar la redundancia espacial, mientras que la BRU emplea una estrategia de dividir, transformar y fusionar para disminuir la redundancia de banda. La evaluación empírica revela que los modelos equipados con SBConv no solo muestran una reducción en las características redundantes, sino que también logran mejoras significativas en las métricas de rendimiento. Notablemente, los modelos con SBConv demuestran un aumento marcado en el Recall y la puntuación F1, superando al modelo estándar de U-Net. Por ejemplo, la variante SBConvU-Net logra un Recall del 75.74% y una puntuación F1 del 73.89%, mientras que el SBConvResU-Net registra un Recall del 70.98% y una puntuación F1 del 73.78%, en comparación con el Recall del 60.59% y la puntuación F1 del 70.91% del U-Net estándar, y el Recall del 54.75% y la puntuación F1 del 66.86% del ResU-Net. Estas mejoras en la precisión de detección subrayan la eficacia del módulo SBConv en el refinamiento de las capacidades de las arquitecturas U-Net para la detección de deslizamientos de tierra a partir de datos de teledetección de múltiples fuentes. Esta investigación contribuye al campo de la detección de deslizamientos de tierra basada en tecnología de teledetección, proporcionando una solución más efectiva y eficiente. Destaca el potencial de la arquitectura U-Net mejorada en el monitoreo ambiental y también proporciona asistencia en los esfuerzos de prevención y mitigación de desastres.