BenchCloudVision: A Benchmark Analysis of Deep Learning Approaches for Cloud Detection and Segmentation in Remote Sensing Imagery

要約

光学センサーを備えた衛星は高解像度の画像を取得し、さまざまな環境現象についての貴重な洞察を提供します。
近年、多様な景観における水の検出から山岳地帯や地形のセグメンテーションに至るまで、リモートセンシングにおけるいくつかの課題に対処することに焦点を当てた研究が急増しています。
継続的な調査は、衛星画像分析の精度と効率を向上させることを目標としています。
特に、環境モニタリング、資源管理、災害対応にとって重要な、水域、雪、雲を正確に検出するための方法論の開発にますます重点が置かれています。
この文脈の中で、このペーパーではリモート センシング画像からの雲のセグメンテーションに焦点を当てます。
光センサーベースのアプリケーションにはクラウドが存在するため、正確なリモート センシング データ分析が困難になる場合があります。
アプリケーションや研究などの結果として得られる製品の品質は、リモート センシング データ処理パイプラインで重要な役割を果たすクラウド検出によって直接影響を受けます。
このペーパーでは、クラウドの識別に適用される 7 つの最先端のセマンティック セグメンテーションおよび検出アルゴリズムを検証し、ベンチマーク分析を実施してアーキテクチャ アプローチを評価し、最もパフォーマンスの高いアルゴリズムを特定します。
モデルの適応性を高めるために、トレーニング中に使用される画像の種類やスペクトル バンドの量などの重要な要素が分析されます。
さらに、この研究では、RGB と RGBN-IR の組み合わせを含む、少数のスペクトル バンドのみを使用して雲のセグメンテーションを実行できる機械学習アルゴリズムの作成を試みています。
さまざまなアプリケーションやユーザー シナリオに対するモデルの柔軟性は、Sentinel-2 と Landsat-8 の画像をデータセットとして使用することで評価されます。
このベンチマークは、Github リンク \url{https://github.com/toelt-llc/cloud\_segmentation\_comparative} の資料を使用して再現できます。

要約(オリジナル)

Satellites equipped with optical sensors capture high-resolution imagery, providing valuable insights into various environmental phenomena. In recent years, there has been a surge of research focused on addressing some challenges in remote sensing, ranging from water detection in diverse landscapes to the segmentation of mountainous and terrains. Ongoing investigations goals to enhance the precision and efficiency of satellite imagery analysis. Especially, there is a growing emphasis on developing methodologies for accurate water body detection, snow and clouds, important for environmental monitoring, resource management, and disaster response. Within this context, this paper focus on the cloud segmentation from remote sensing imagery. Accurate remote sensing data analysis can be challenging due to the presence of clouds in optical sensor-based applications. The quality of resulting products such as applications and research is directly impacted by cloud detection, which plays a key role in the remote sensing data processing pipeline. This paper examines seven cutting-edge semantic segmentation and detection algorithms applied to clouds identification, conducting a benchmark analysis to evaluate their architectural approaches and identify the most performing ones. To increase the model’s adaptability, critical elements including the type of imagery and the amount of spectral bands used during training are analyzed. Additionally, this research tries to produce machine learning algorithms that can perform cloud segmentation using only a few spectral bands, including RGB and RGBN-IR combinations. The model’s flexibility for a variety of applications and user scenarios is assessed by using imagery from Sentinel-2 and Landsat-8 as datasets. This benchmark can be reproduced using the material from this github link: \url{https://github.com/toelt-llc/cloud\_segmentation\_comparative}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google