Towards Global Crop Maps with Transfer Learning

要約

世界人口の継続的な増加と作物生産に対する気候変動の影響は、食品部門に大きな影響を与えると予想されます。
この文脈では、証拠に基づいた意思決定のために、タイムリーで大規模かつ正確な作物のマッピングが必要です。
この方向への重要な実現要因は、高い時空間解像度とグローバルな範囲の大きなリモート センシング データを自由に提供する新しい衛星ミッションです。
過去 10 年間、そしてこの大規模な地球観測の急増により、ディープ ラーニング手法がリモート センシングと作物マッピングの文献を支配してきました。
それにもかかわらず、深層学習モデルは、希少で入手が困難な大量の注釈付きデータを必要とします。
この問題に対処するために、転移学習法を使用して利用可能な注釈を活用し、他の地域、作物の種類、検査年数の作物マッピングを有効にすることができます。
この作業では、Sentinel-1 VH 時系列を使用して、韓国の水稲検出用のディープ ラーニング モデルを開発およびトレーニングしました。
次に、i) フランスとスペインでの水稲の検出、および ii) オランダでの大麦の検出のためにモデルを微調整します。
さらに、追加の入力機能 (Sentinel-1 VV) を組み込むために、事前トレーニング済みの重みの変更を提案します。
私たちのアプローチは、同じ作物の種類を異なる地域に移植する場合に優れた性能を発揮し、異なる地域や作物の種類に移植する場合はかなり有望な結果を示します。

要約(オリジナル)

The continuous increase in global population and the impact of climate change on crop production are expected to affect the food sector significantly. In this context, there is need for timely, large-scale and precise mapping of crops for evidence-based decision making. A key enabler towards this direction are new satellite missions that freely offer big remote sensing data of high spatio-temporal resolution and global coverage. During the previous decade and because of this surge of big Earth observations, deep learning methods have dominated the remote sensing and crop mapping literature. Nevertheless, deep learning models require large amounts of annotated data that are scarce and hard-to-acquire. To address this problem, transfer learning methods can be used to exploit available annotations and enable crop mapping for other regions, crop types and years of inspection. In this work, we have developed and trained a deep learning model for paddy rice detection in South Korea using Sentinel-1 VH time-series. We then fine-tune the model for i) paddy rice detection in France and Spain and ii) barley detection in the Netherlands. Additionally, we propose a modification in the pre-trained weights in order to incorporate extra input features (Sentinel-1 VV). Our approach shows excellent performance when transferring in different areas for the same crop type and rather promising results when transferring in a different area and crop type.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google