【投稿经验】生成对抗网络提取冰湖

一、背景情况

        这篇文章大概是19年就构思好了开始在做了，但是由于手头一直有其他事情，这篇文章也就一直脱到今年才投出去。本来觉得应该能投一个挺好的期刊的，因为当初开始做的时候，并没有人用深度学习来提取冰湖，而今年的时候看到了两篇用Unet来做的，所以其实这篇的新意就没那么大了。最后只投了一个二区的期刊。

二、文章简要内容

        文章创新点有三：

        （1）制作了一个Landsat数据集用于冰湖提取。总计约4600张图，采用三种不同的采样方式获得。

        （2）提出了生成对抗网络提取冰湖。

        （3）和其他两个经典模型进行了比较，基本上在不用DEM和后处理的情况下，模型的效果要比传统方法好很多。

        下面先来介绍下研究区：

         整个研究区覆盖高亚洲地区，红色的方框是用于制作数据集的图像，一共103张。

        然后用三种不同的方式处理这些图像，一共获得了4600张样本：

         每张样本的大小都是256×256×7，用于后续的深度学习模型的训练和验证。

        模型的结构如下：

         生成器基本组成就是一个自注意力结构+Unet结构，判别器很简单就是ResNet-152来判别特征就可以了。自己在模型中做了一点点的改动。

        后面就是一些消融实验和对比实验，这里给出一个结果图吧：

         模型和迭代分割、随机森林做了比较，可以看到效果还是比其他两个方法好很多的，毕竟其他方法只用到了光谱特征，而忽视掉了冰湖的空间特征。

三、投稿情况

        本来最开始写的时候，觉得能投ISPRS，后来写好之后，觉得差一些，工作量感觉不够大，于是直接投了IEEE TGRS。一个月后返回意见，四个审稿人，两个人肯定了这项工作，一个审稿人说实验比较的模型太少，需要补充模型比较，另一个审稿人说模型创新太小，没有让他看到眼前一亮的感觉。最后副主编给的意见是转投JSTARS。之前投过JSTARS，这项工作差不多是之前那篇文章工作量的3倍，所以坚决不考虑JSTARS。

        后来改投了RS，不到一个月返回意见，还是四个审稿人，两个审稿人几乎没说啥意见，另外两个人的意见完全相反，一个人说小冰湖是非常重要的，文章需要进一步对小冰湖加以讨论，另一个人说小冰湖是不用考虑的，因为即使溃决了也不会造成大的影响。最终意见大修，给了10天时间，由于要补两个实验，时间不够，发邮件个编辑让多给几天时间，编辑又多给了4天，最后第13天的时候提交回复。又过了6天编辑发来邮件说直接接收，这篇文章总算告一段落。