Real-time GeoAI for High-resolution Mapping and Segmentation of Arctic Permafrost Features

要約

この論文では、大規模な画像解析と北極の永久凍土地物を細かい粒度でセグメンテーションするためのリアルタイム GeoAI ワークフローを紹介します。
この分析では、非常に高解像度 (0.5m) の商用画像が使用されます。
リアルタイム予測を実現するために、ワークフローでは軽量のディープ ラーニング ベースのインスタンス セグメンテーション モデル SparseInst を採用しています。これは、インスタンス アクティベーション マップを導入および使用して、画像シーン内のオブジェクトの位置を正確に特定します。
実験結果は、このモデルが一般的な Mask-RCNN モデルよりもはるかに速い推論速度で、より高い予測精度を達成できることを示しています。

要約(オリジナル)

This paper introduces a real-time GeoAI workflow for large-scale image analysis and the segmentation of Arctic permafrost features at a fine-granularity. Very high-resolution (0.5m) commercial imagery is used in this analysis. To achieve real-time prediction, our workflow employs a lightweight, deep learning-based instance segmentation model, SparseInst, which introduces and uses Instance Activation Maps to accurately locate the position of objects within the image scene. Experimental results show that the model can achieve better accuracy of prediction at a much faster inference speed than the popular Mask-RCNN model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google