EarthNets: Empowering AI in Earth Observation

要約

リモートセンシングデータを用いて地球の状態を把握することを目的とした地球観測は、私たちの生活や生活環境の改善に欠かせないものです。
軌道上の衛星数の増加に伴い、リモート センシング コミュニティの研究を促進するために、多様なセンサーと研究ドメインを含むデータセットの数が増加しています。
このホワイト ペーパーでは、土地利用/被覆、変化/災害の監視、シーンの理解、農業、気候変動、天気予報などのアプリケーションを含む、公開されている 400 を超えるデータセットの包括的なレビューを紹介します。
これらの地球観測データセットを、ボリューム、文献分析、解像度分布、研究領域、データセット間の相関の 5 つの側面から体系的に分析します。
データセットの属性に基づいて、データセットを測定、ランク付け、選択して、モデル評価の新しいベンチマークを構築することを提案します。
さらに、リモートセンシングデータに対する深層学習手法の公正かつ一貫した評価を実現する手段として、EarthNets と呼ばれる地球観測のための新しいプラットフォームがリリースされました。
EarthNets は、標準データセット ライブラリと最先端の深層学習モデルをサポートし、リモート センシングと機械学習コミュニティの間のギャップを埋めます。
このプラットフォームに基づいて、広範な深層学習手法が新しいベンチマークで評価されます。
洞察に満ちた結果は、今後の研究に有益です。
プラットフォームとデータセットのコレクションは、https://earthnets.github.io/ で公開されています。

要約(オリジナル)

Earth observation, aiming at monitoring the state of planet Earth using remote sensing data, is critical for improving our daily lives and living environment. With a growing number of satellites in orbit, an increasing number of datasets with diverse sensors and research domains are being published to facilitate the research of the remote sensing community. In this paper, we present a comprehensive review of more than 400 publicly published datasets, including applications like land use/cover, change/disaster monitoring, scene understanding, agriculture, climate change, and weather forecasting. We systematically analyze these Earth observation datasets with respect to five aspects volume, bibliometric analysis, resolution distributions, research domains, and the correlation between datasets. Based on the dataset attributes, we propose to measure, rank, and select datasets to build a new benchmark for model evaluation. Furthermore, a new platform for Earth observation, termed EarthNets, is released as a means of achieving a fair and consistent evaluation of deep learning methods on remote sensing data. EarthNets supports standard dataset libraries and cutting-edge deep learning models to bridge the gap between the remote sensing and machine learning communities. Based on this platform, extensive deep learning methods are evaluated on the new benchmark. The insightful results are beneficial to future research. The platform and dataset collections are publicly available at https://earthnets.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google