L'urbanisation rapide nécessite une surveillance à haute fréquence des terres nues prêtes à la construction afin de détecter et prévenir en temps utile les constructions illégales. Cependant, l'utilité des images optiques est souvent compromise dans les régions propices aux nuages. Bien que le Radar à Synthèse d'Ouverture (SAR) offre des capacités toutes saisons, il a du mal à distinguer les terres nues prêtes à la construction des terres agricoles récemment récoltées, conduisant à de nombreuses fausses alertes. Pour résoudre le conflit entre la surveillance à haute fréquence et l'identification sémantique, cette étude propose le cadre SAR-based Change Screening and Optical-Scene-Informed Identification (SCS-OI). La première étape effectue un dépistage des candidats à fort rappel basé sur les changements de rétro-diffusion SAR, tandis que la seconde incorpore des images optiques historiques sans nuages comme guide sémantique, permettant une identification affinée sans nécessiter de données optiques synchrones. Les expériences à Guangzhou démontrent que le cadre atteint un taux de fausses alertes de 13,31 %, un rappel de 90,63 %, une précision de 74,81 %, un score F1 de 81,95 % et un IoU de 69,43 %. Comparé à la base SAR uniquement (TF = 22,4 %), la conception en deux étapes réduit les fausses alertes tout en maintenant un rappel élevé. D'autres bases d'apprentissage profond affichent des scores F1 plus faibles (59–73 %), soulignant l'efficacité du cadre global. Ces résultats montrent que le cadre à deux étapes proposé intègre efficacement le dépistage des candidats à fort rappel et le raffinement guidé par la sémantique, fournissant une solution robuste pour la surveillance à haute fréquence des terres nues prêtes à la construction dans les régions nuageuses de Guangzhou.
Song et al. (mercredi) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: