Shrub of a thousand faces: an individual segmentation from satellite images using deep learning

要約

ビャクシンのような長命の低木の分布とサイズ構造をモニタリングすることは、高山および高緯度の生態系に対する気候変動の長期的な影響を推定するために使用できます。
歴史的な非常に高解像度の航空画像は、低木の成長と分布を高精度で監視するための遡及的なツールを提供します。
現在、深層学習モデルは、定義された形状を持つオブジェクトの輪郭を検出して描写するという優れた結果を提供しています。
ただし、これらのモデルを適応させて、ジュニパーなどの複雑な成長パターンを表現する自然物体を検出することは、依然として困難な作業です。
この研究では、リモート センシングされた RGB 画像をマスク R-CNN ベースのインスタンス セグメンテーション モデルと組み合わせて活用し、シエラ ネバダ (スペイン) の樹木境界より上のビャクシンの低木の輪郭を個別に描写する新しいアプローチを紹介します。
この研究では、写真解釈 (PI) データとフィールドワーク (FW) データをそれぞれ使用してモデルを開発し、外部検証することからなる新しいデータ構築設計を提案します。
また、モデルの低木描写パフォーマンスを評価し、最適化するために、Multiple Intersections over Ground Truth Area (MIoGTA) と呼ばれる新しいメトリックに基づいて、低木に合わせた新しい評価アルゴリズムを提案します。
最後に、開発したモデルを初めてデプロイして、ビャクシン属の個体の壁から壁までのマップを生成します。
実験結果は、従来の現地調査方法に伴う制限を克服する際の二重データ構築アプローチの効率性を示しています。
また、複雑な成長パターンを持つ種のインスタンス セグメンテーション モデルを評価する際の MIoGTA メトリクスの堅牢性も強調しており、データ アノテーションの不確実性に対する回復力がより高いことが示されています。
さらに、彼らは、PI および FW 低木の輪郭を描く際に ResNet101-C4 バックボーンを備えたマスク R-CNN を使用することが有効であり、それぞれ 87.87% および 76.86% の F1 スコアを達成したことを示しています。

要約(オリジナル)

Monitoring the distribution and size structure of long-living shrubs, such as Juniperus communis, can be used to estimate the long-term effects of climate change on high-mountain and high latitude ecosystems. Historical aerial very-high resolution imagery offers a retrospective tool to monitor shrub growth and distribution at high precision. Currently, deep learning models provide impressive results for detecting and delineating the contour of objects with defined shapes. However, adapting these models to detect natural objects that express complex growth patterns, such as junipers, is still a challenging task. This research presents a novel approach that leverages remotely sensed RGB imagery in conjunction with Mask R-CNN-based instance segmentation models to individually delineate Juniperus shrubs above the treeline in Sierra Nevada (Spain). In this study, we propose a new data construction design that consists in using photo interpreted (PI) and field work (FW) data to respectively develop and externally validate the model. We also propose a new shrub-tailored evaluation algorithm based on a new metric called Multiple Intersections over Ground Truth Area (MIoGTA) to assess and optimize the model shrub delineation performance. Finally, we deploy the developed model for the first time to generate a wall-to-wall map of Juniperus individuals. The experimental results demonstrate the efficiency of our dual data construction approach in overcoming the limitations associated with traditional field survey methods. They also highlight the robustness of MIoGTA metric in evaluating instance segmentation models on species with complex growth patterns showing more resilience against data annotation uncertainty. Furthermore, they show the effectiveness of employing Mask R-CNN with ResNet101-C4 backbone in delineating PI and FW shrubs, achieving an F1-score of 87,87% and 76.86%, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google