Voting Network for Contour Levee Farmland Segmentation and Classification

要約

高解像度の航空画像により、農地を詳細に分割することができます。
ただし、小さなオブジェクトやフィーチャはオブジェクトの境界の描写に歪みをもたらすため、クラスの混乱を軽減するにはより大きなコンテキスト ビューが必要です。
この研究では、高解像度航空画像から等高線堤を備えた農地をセグメント化するためのエンドツーエンドの訓練可能なネットワークを紹介します。
画像の分割と分類を実現するために、複数の投票ブロックを含む融合ブロックが考案されました。
フュージョン ブロックをバックボーンと統合し、セマンティック予測とセグメンテーション スライスの両方を生成します。
セグメンテーション スライスは、予測に対する多数決を実行するために使用されます。
このネットワークは、構成ピクセルを個別に分析するのではなく、農地の概念を学習して、セグメントの最も可能性の高いクラス ラベルをそのピクセルに割り当てるようにトレーニングされています。
National Agriculture Imagery Program の画像を使用して手法を評価します。
私たちの方法では、平均精度 94.34% を達成しました。
最先端の方法と比較して、提案された方法は平均して F1 スコアで 6.96% と 2.63% の改善を達成しました。

要約(オリジナル)

High-resolution aerial imagery allows fine details in the segmentation of farmlands. However, small objects and features introduce distortions to the delineation of object boundaries, and larger contextual views are needed to mitigate class confusion. In this work, we present an end-to-end trainable network for segmenting farmlands with contour levees from high-resolution aerial imagery. A fusion block is devised that includes multiple voting blocks to achieve image segmentation and classification. We integrate the fusion block with a backbone and produce both semantic predictions and segmentation slices. The segmentation slices are used to perform majority voting on the predictions. The network is trained to assign the most likely class label of a segment to its pixels, learning the concept of farmlands rather than analyzing constitutive pixels separately. We evaluate our method using images from the National Agriculture Imagery Program. Our method achieved an average accuracy of 94.34\%. Compared to the state-of-the-art methods, the proposed method obtains an improvement of 6.96% and 2.63% in the F1 score on average.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google