Tranfer Learning of Semantic Segmentation Methods for Identifying Buried Archaeological Structures on LiDAR Data

要約

考古学研究におけるリモート センシング データにディープ ラーニングを適用する場合、顕著な障害となるのは、モデルのトレーニングに適したデータセットの利用が限られていることです。
この欠点を軽減するために、転移学習のアプリケーションがよく使用されます。
ただし、さまざまな考古学データセットに適用した場合の有効性を調査する必要がまだあります。
このペーパーでは、2 つの LiDAR データセット上で 2 つのセマンティック セグメンテーション ディープ ニューラル ネットワークを使用したさまざまな転移学習構成のパフォーマンスを比較します。
実験結果は、体系的な強化はまだ観察されていないものの、考古学における転移学習ベースのアプローチがパフォーマンスの向上につながる可能性があることを示しています。
私たちは、将来の研究のベースラインとして機能する、そのような技術の有効性に関する具体的な洞察を提供します。

要約(オリジナル)

When applying deep learning to remote sensing data in archaeological research, a notable obstacle is the limited availability of suitable datasets for training models. The application of transfer learning is frequently employed to mitigate this drawback. However, there is still a need to explore its effectiveness when applied across different archaeological datasets. This paper compares the performance of various transfer learning configurations using two semantic segmentation deep neural networks on two LiDAR datasets. The experimental results indicate that transfer learning-based approaches in archaeology can lead to performance improvements, although a systematic enhancement has not yet been observed. We provide specific insights about the validity of such techniques that can serve as a baseline for future works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google