The Outcome of the 2022 Landslide4Sense Competition: Advanced Landslide Detection from Multi-Source Satellite Imagery

要約

人工知能研究所（IARAI）が主催する2022年Landslide4Sense（L4S）コンペティションの科学的成果を紹介します。このコンペティションの目的は、全世界で収集された大規模な複数の衛星画像に基づき、地すべりを自動的に検出することである。2022年のL4Sは、衛星画像を用いた意味分割タスクのための深層学習（DL）モデルの最近の開発に関する学際的な研究を促進することを目的としています。ここ数年、畳み込みニューラルネットワーク（CNN）の発展により、DLベースのモデルは画像解釈に関して期待に応える性能を達成しつつある。本論文の主な目的は、このコンペティションで取り上げられた詳細と最も性能の良いアルゴリズムを紹介することである。受賞したソリューションは、Swin Transformer、SegFormer、U-Netといった最先端のモデルで精巧に作られている。また、難しい例マイニング、自己学習、ミックスアップデータの増強などの高度な機械学習技術や戦略も検討されている。さらに、比較を容易にするために、L4Sベンチマークデータセットについて説明し、オンラインで精度評価の結果を報告する。このデータは、今後の評価のために㈶未来開発リーダーボード㈶でアクセス可能であり、研究者はより多くの予測結果を提出し、自分の手法の精度を評価し、他のユーザーの結果と比較し、理想的にはこの論文で報告した地すべり検出結果を改善することができます。

要約(オリジナル)

The scientific outcomes of the 2022 Landslide4Sense (L4S) competition organized by the Institute of Advanced Research in Artificial Intelligence (IARAI) are presented here. The objective of the competition is to automatically detect landslides based on large-scale multiple sources of satellite imagery collected globally. The 2022 L4S aims to foster interdisciplinary research on recent developments in deep learning (DL) models for the semantic segmentation task using satellite imagery. In the past few years, DL-based models have achieved performance that meets expectations on image interpretation, due to the development of convolutional neural networks (CNNs). The main objective of this article is to present the details and the best-performing algorithms featured in this competition. The winning solutions are elaborated with state-of-the-art models like the Swin Transformer, SegFormer, and U-Net. Advanced machine learning techniques and strategies such as hard example mining, self-training, and mix-up data augmentation are also considered. Moreover, we describe the L4S benchmark data set in order to facilitate further comparisons, and report the results of the accuracy assessment online. The data is accessible on \textit{Future Development Leaderboard} for future evaluation at \url{https://www.iarai.ac.at/landslide4sense/challenge/}, and researchers are invited to submit more prediction results, evaluate the accuracy of their methods, compare them with those of other users, and, ideally, improve the landslide detection results reported in this article.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL