California Institute of Technology（加州理工学院）

Comparison Study: Glacier Calving Front Delineation in Synthetic Aperture Radar Images With Deep Learning

比较研究：利用深度学习在合成孔径雷达图像中进行冰川崩解前端 delineation

Nora Gourmelon, Konrad Heidler, Erik Loebel, Daniel Cheng, Julian Klink, Anda Dong, Fei Wu, Noah Maul, Moritz Koch, Marcel Dreier, Dakota Pyles, Thorsten Seehaus, Matthias Braun, Andreas Maier, Vincent Christlein

机构 * Department of Computer Science, Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃朗根-纽伦堡大学计算机科学系） ； School of Engineering and Design, Technische Universität München（慕尼黑技术大学工程与设计学院） ； Institut für Planetare Geodäsie, Technische Universität Dresden（德累斯顿技术大学行星大地测量研究所） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Institut für Geographie, Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃朗根-纽伦堡大学地理研究所） 纠错

AI总结 本研究比较了深度学习系统在合成孔径雷达图像中进行冰川崩解前端 delineation 的性能，发现深度学习系统存在高达221米的误差，而人工标注者误差仅为38米，凸显了进一步研究的必要性。

Comments Accepted as short paper in IEEE Transactions on Pattern Analysis and Machine Intelligence