Multimodal SuperCon: Classifier for Drivers of Deforestation in Indonesia

要約

森林破壊は、気候変動の要因の 1 つです。
気候変動は、二酸化炭素などの温室効果ガスが大気中に排出されることにより、人類の生活に深刻な影響を与えます。
緩和努力のために森林伐採の原因を知ることは重要ですが、これらの森林伐採の要因を予測するためのデータ駆動型の調査研究は不足しています。
この作業では、Landsat 8 から取得した衛星画像を使用してインドネシアの森林破壊の要因を分類するために、Multimodal SuperCon と呼ばれる対照学習アーキテクチャを提案します。Multimodal SuperCon は、対照学習とマルチモーダル融合を組み合わせて、利用可能な森林破壊データセットを処理するアーキテクチャです。
私たちが提案したモデルは、ドライバー分類に関する以前の研究よりも優れており、同じタスクの最先端の回転等変モデルと比較して精度が 7% 向上しています。

要約(オリジナル)

Deforestation is one of the contributing factors to climate change. Climate change has a serious impact on human life, and it occurs due to emission of greenhouse gases, such as carbon dioxide, to the atmosphere. It is important to know the causes of deforestation for mitigation efforts, but there is a lack of data-driven research studies to predict these deforestation drivers. In this work, we propose a contrastive learning architecture, called Multimodal SuperCon, for classifying drivers of deforestation in Indonesia using satellite images obtained from Landsat 8. Multimodal SuperCon is an architecture which combines contrastive learning and multimodal fusion to handle the available deforestation dataset. Our proposed model outperforms previous work on driver classification, giving a 7% improvement in accuracy in comparison to a state-of-the-art rotation equivariant model for the same task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google