AMD-HookNet لتقسيم جبهة الجليد

المعرفة حول التغيرات في مواقع جبهات انهيار الأنهار الجليدية مهمة لتقييم حالة هذه الأنهار. توفر صور الاستشعار عن بعد قاعدة بيانات مثالية لمراقبة مواقع جبهات الانهيار، ومع ذلك، فإن القيام بهذه المهمة يدويًا لجميع الأنهار الجليدية التي تنهار على مستوى العالم غير عملي بسبب القيود الزمنية. أظهرت طرق التعلم العميق إمكاناتها الكبيرة في تحديد جبهات الانهيار من الصور الفضائية البصرية والرادار. يتم تمثيل جبهة الانهيار كخط رفيع واحد بين البحر والنهر الجليدي، مما يجعل المهمة عرضة للتنبؤات غير الدقيقة. يؤدي نقص توافر الصور المُشَاهَدَة للأنهار الجليدية إلى نقص التنوع في البيانات (لا تتواجد جميع التركيبات المحتملة للظروف الجوية المختلفة وأشكال النهايات والمستشعرات وما إلى ذلك في البيانات)، مما يزيد من صعوبة التقطيع الدقيق. في هذا البحث، نقترح إطار عمل جديد لتقسيم جبهات الانهيار الجليدي باستخدام صور الرادار ذات الفتحة التركيبية (SAR) يُسمى "Attention-Multi-hooking-Deep-supervision HookNet" (AMD-HookNet). يهدف الطريقة المقترحة إلى تعزيز قدرة تمثيل الخصائص من خلال تفاعلات متعددة للمعلومات بين المدخلات ذات الدقة المنخفضة والدقة العالية بناءً على شبكة U-Net ثنائية الفروع. يتم دمج آلية الانتباه في شبكة U-Net ثنائية الفروع بهدف التفاعل بين الخرائط المميزة الخشنة والدقيقة المقابلة. هذا يتيح للشبكة ضبط العلاقات بين الخصائص تلقائيًا، مما يؤدي إلى تنبؤات دقيقة بتصنيف البكسل. أظهرت التجارب الواسعة والمقارنات على مجموعة بيانات تقسيم الأنهار الجليدية الصعبة CaFFe أن AMD-HookNet الخاص بنا حقق خطأ متوسط المسافة قدره 438 مترًا بالنسبة للحقيقة الأرضية، متفوقًا بنسبة 42% على أفضل التقنيات الحالية، مما يؤكد فعاليته.