Ghorbanzadeh, Omid und Xu, Yonghao und Zhao, Hengwei und Wang, Junjue und Zhong, Yanfei und Zhao, Dong und Zang, Qi und Wang, Shuang und Zhang, Fahong und Shi, Yilei und Zhu, Xiao Xiang und Lin, Bai und Li, Weile und Peng, Weihang und Ghamisi, Pedram (2022) The Outcome of the 2022 Landslide4Sense Competition: Advanced Landslide Detection from Multi-Source Satellite Imagery. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, Seiten 9927-9942. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/JSTARS.2022.3220845. ISSN 1939-1404.
![]() |
PDF
- Postprintversion (akzeptierte Manuskriptversion)
13MB |
Offizielle URL: https://ieeexplore.ieee.org/document/9944085/
Kurzfassung
The scientific outcomes of the 2022 Landslide4Sense (L4S) competition organized by the Institute of Advanced Research in Artificial Intelligence (IARAI) are presented here. The objective of the competition is to automatically detect landslides based on large-scale multiple sources of satellite imagery collected globally. The 2022 L4S aims to foster interdisciplinary research on recent developments in deep learning (DL) models for the semantic segmentation task using satellite imagery. In the past few years, DL-based models have achieved performance that meets expectations on image interpretation, due to the development of convolutional neural networks (CNNs). The main objective of this article is to present the details and the best-performing algorithms featured in this competition. The winning solutions are elaborated with state-of-the-art models like the Swin Transformer, SegFormer, and U-Net. Advanced machine learning techniques and strategies such as hard example mining, self-training, and mix-up data augmentation are also considered. Moreover, we describe the L4S benchmark data set in order to facilitate further comparisons, and report the results of the accuracy assessment online. The data is accessible on Future Development Leaderboard for future evaluation at https://www.iarai.ac.at/landslide4sense/challenge/ , and researchers are invited to submit more prediction results, evaluate the accuracy of their methods, compare them with those of other users, and, ideally, improve the landslide detection results reported in this article.
elib-URL des Eintrags: | https://elib.dlr.de/190006/ | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Dokumentart: | Zeitschriftenbeitrag | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Titel: | The Outcome of the 2022 Landslide4Sense Competition: Advanced Landslide Detection from Multi-Source Satellite Imagery | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Autoren: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Datum: | 9 November 2022 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Erschienen in: | IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Referierte Publikation: | Ja | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Open Access: | Ja | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Gold Open Access: | Ja | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
In SCOPUS: | Ja | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
In ISI Web of Science: | Ja | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Band: | 15 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
DOI: | 10.1109/JSTARS.2022.3220845 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Seitenbereich: | Seiten 9927-9942 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Verlag: | IEEE - Institute of Electrical and Electronics Engineers | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ISSN: | 1939-1404 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Status: | veröffentlicht | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Stichwörter: | Landslide detection, satellite imagery, Deep Learning, Artificial Intelligence in Earth Observations | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
HGF - Forschungsbereich: | Luftfahrt, Raumfahrt und Verkehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
HGF - Programm: | Raumfahrt | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
HGF - Programmthema: | Erdbeobachtung | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
DLR - Schwerpunkt: | Raumfahrt | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
DLR - Forschungsgebiet: | R EO - Erdbeobachtung | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
DLR - Teilgebiet (Projekt, Vorhaben): | R - Künstliche Intelligenz | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Standort: | Oberpfaffenhofen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Institute & Einrichtungen: | Institut für Methodik der Fernerkundung > EO Data Science | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Hinterlegt von: | Beuchert, Tobias | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Hinterlegt am: | 21 Nov 2022 14:59 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Letzte Änderung: | 13 Jan 2023 10:00 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags