[论文解读] Deep Fusion of Local and Non-Local Features for Precision Landslide Recognition

Qing Zhu, Chen Lin+4 more|arXiv (Cornell University)|Feb 20, 2020

Landslides and related hazards参考文献 24被引用 4

一句话总结

该论文提出DA-U-Net，一种基于U-Net的模型，通过空洞卷积结合空洞空间金字塔池化（Atrous Spatial Pyramid Pooling）与尺度注意力机制，融合局部与非局部特征，以提升灾后无人机影像中的滑坡分割性能。该方法实现了最先进性能，IoU达到59.41%，显著优于U-Net和DeeplabV3+等基线模型。

ABSTRACT

Precision mapping of landslide inventory is crucial for hazard mitigation. Most landslides generally co-exist with other confusing geological features, and the presence of such areas can only be inferred unambiguously at a large scale. In addition, local information is also important for the preservation of object boundaries. Aiming to solve this problem, this paper proposes an effective approach to fuse both local and non-local features to surmount the contextual problem. Built upon the U-Net architecture that is widely adopted in the remote sensing community, we utilize two additional modules. The first one uses dilated convolution and the corresponding atrous spatial pyramid pooling, which enlarged the receptive field without sacrificing spatial resolution or increasing memory usage. The second uses a scale attention mechanism to guide the up-sampling of features from the coarse level by a learned weight map. In implementation, the computational overhead against the original U-Net was only a few convolutional layers. Experimental evaluations revealed that the proposed method outperformed state-of-the-art general-purpose semantic segmentation approaches. Furthermore, ablation studies have shown that the two models afforded extensive enhancements in landslide-recognition performance.

研究动机与目标

• 为解决在复杂地形中滑坡与道路、裸土等光谱相似特征共存时导致的滑坡检测模糊问题。
• 通过融合遥感影像中局部感受野信息与非局部上下文理解，提升语义分割精度。
• 通过缓解U-Net架构中下采样导致的特征损失，保留上采样过程中的细粒度边界。
• 开发一种轻量化、高效的U-Net增强方法，在保持低内存占用的同时提升滑坡识别任务的性能。

提出的方法

• 在U-Net瓶颈层引入空洞卷积与空洞空间金字塔池化（ASPP）模块，扩大感受野，同时不降低空间分辨率或增加内存使用。
• 采用尺度注意力机制，学习权重图以引导特征上采样，抑制无关的粗尺度特征，增强相关高分辨率特征。
• 保持U-Net的编码器-解码器结构，但在编码器和解码器路径中均引入两个轻量化模块：ASPP用于上下文特征聚合，注意力机制用于上采样过程中的特征精炼。
• 采用端到端训练，使用二元交叉熵损失函数，优化灾后无人机影像中滑坡与非滑坡像素的分割。
• 通过多率空洞卷积捕获多样化空间上下文，无需下采样即可获取多尺度特征。
• 在跳跃连接中应用注意力模块，根据特征相关性动态重加权，提升边界保持能力。

实验结果

研究问题

• RQ1 局部与非局部特征的融合是否能显著提升在道路和裸土等高光谱相似区域中的滑坡检测准确率？
• RQ2 与标准U-Net上采样相比，注意力引导的上采样机制在多大程度上减少了边界损失并提升了分割保真度？
• RQ3 空洞卷积结合ASPP在不牺牲空间分辨率或增加计算成本的前提下，如何促进上下文理解？
• RQ4 两种模块（空洞卷积 + 注意力）的组合是否在滑坡分割中产生协同增益，优于单一组件？
• RQ5 在滑坡检测基准上，所提出的DA-U-Net与SOTA模型（如DeeplabV3+和PSPNet）相比，在IoU、精确率、召回率和F1分数方面表现如何？

主要发现

• 所提出的DA-U-Net实现了59.41%的交并比（IoU），显著优于基线模型U-Net（48.18%）和DeeplabV3+（57.25%）。
• 消融实验表明，空洞卷积+ASPP模块与注意力模块均能独立提升性能，且两者结合的模型达到最高IoU。
• 在道路和裸土等易混淆区域，DA-U-Net展现出更优泛化能力，相比FCN、U-Net和PSPNet，显著减少了误报。
• 注意力引导的上采样模块有效抑制了来自粗层的噪声与无关特征，使滑坡边界预测更清晰、更准确。
• 该方法在计算开销极小的情况下实现SOTA性能，仅在原始U-Net架构中增加了少量卷积层。
• 该模型在复杂、模糊环境中对滑坡的检测表现出鲁棒性，即使在背景特征与滑坡光谱相似性高时，也能有效避免分割失败。