There Are No Data Like More Data- Datasets for Deep Learning in Earth Observation

要約

慎重に選別され、注釈が付けられたデータセットは機械学習の基礎であり、特にデータを大量に消費するディープ ニューラル ネットワークは、人工知能 (AI) と呼ばれるものの中核を形成します。
地球観測 (EO) 問題に適用されたディープ ラーニングの大成功により、コミュニティの焦点は主に、データセット全体の重要性をほとんど無視した、ますます洗練されたディープ ニューラル ネットワーク アーキテクチャとトレーニング戦略の開発に向けられてきました。
その目的のために、タスク固有のデータセットが数多く作成されてきましたが、これまでに出版された地球観測用 AI に関するレビュー記事ではほとんど無視されてきました。
この記事では視点を変えて、地球観測データとアプリケーション専用の機械学習データセットにスポットライトを当てたいと思います。
歴史的発展のレビューに基づいて、現在利用可能なリソースが説明され、将来の発展の展望が形成されます。
私たちは、画像データに深層学習技術を適用する他の多くのコミュニティと地球観測コミュニティを区別するのはデータの性質であり、EO データの特性の詳細な理解が私たちの専門分野の中核的な能力の 1 つであるという理解に貢献したいと考えています。
。

要約(オリジナル)

Carefully curated and annotated datasets are the foundation of machine learning, with particularly data-hungry deep neural networks forming the core of what is often called Artificial Intelligence (AI). Due to the massive success of deep learning applied to Earth Observation (EO) problems, the focus of the community has been largely on the development of ever-more sophisticated deep neural network architectures and training strategies largely ignoring the overall importance of datasets. For that purpose, numerous task-specific datasets have been created that were largely ignored by previously published review articles on AI for Earth observation. With this article, we want to change the perspective and put machine learning datasets dedicated to Earth observation data and applications into the spotlight. Based on a review of the historical developments, currently available resources are described and a perspective for future developments is formed. We hope to contribute to an understanding that the nature of our data is what distinguishes the Earth observation community from many other communities that apply deep learning techniques to image data, and that a detailed understanding of EO data peculiarities is among the core competencies of our discipline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google