Deep Active Contour Models for Delineating Glacier Calving Fronts

Publikation: Beitrag in Buch/Konferenzbericht/Sammelband/GutachtenBeitrag in KonferenzbandBeigetragenBegutachtung

Beitragende

  • Konrad Heidler - , Technical University of Munich, Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) Standort Oberpfaffenhofen (Autor:in)
  • Lichao Mou - , Technical University of Munich, Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) Standort Oberpfaffenhofen (Autor:in)
  • Erik Loebel - , Professur für Geodätische Erdsystemforschung (Autor:in)
  • Mirko Scheinert - , Professur für Geodätische Erdsystemforschung (Autor:in)
  • Sébastien Lefèvre - , Université de Bretagne Sud (Autor:in)
  • Xiao Xiang Zhu - , Technical University of Munich, Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) Standort Oberpfaffenhofen (Autor:in)

Abstract

We present a deep active contour model for detecting and delineating glacier calving fronts from satellite imagery. Contrary to existing deep learning-based calving front detectors, our model does not perform an intermediate segmentation or pixel-wise edge detection, but instead directly predicts the contour parametrized by a fixed number of vertices. The model works by first deriving feature maps from an input image, and then updating an initial contour in an iterative fashion. Evaluating on the CALFIN dataset, which maps calving fronts in Greenland, our model outperforms existing approaches. Code for the experiments and animated predictions can be found at https://github.com/khdlr/deep-acm

Details

OriginalspracheEnglisch
TitelIGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing Symposium
Seiten4490-4493
Seitenumfang4
ISBN (elektronisch)9781665427920
PublikationsstatusVeröffentlicht - 28 Sep. 2022
Peer-Review-StatusJa

Externe IDs

dblp conf/igarss/HeidlerMLSLZ22
Mendeley 399a5967-732f-3bdf-aed4-3b0948d03fcb
Scopus 85141895894

Schlagworte

Fächergruppen, Lehr- und Forschungsbereiche, Fachgebiete nach Destatis