Impact of LiDAR visualisations on semantic segmentation of archaeological objects

要約

LiDAR ベースの考古学研究における深層学習手法では、デジタル標高モデルから派生した視覚化技術を活用して、画像内に存在する考古学的オブジェクトの特徴を強化することがよくあります。
このペーパーでは、包括的なテスト フレームワークを通じて、ディープ ラーニングのパフォーマンスに対する視覚化の影響を調査します。
この研究では、8 つのセマンティック セグメンテーション モデルを使用して、5 つの考古学クラスを含む 2 つの研究領域にわたる 7 つの多様な視覚化を評価します。
実験結果によると、適切なビジュアライゼーションの選択がパフォーマンスに最大 8% 影響する可能性があります。
しかし、すべての考古学クラスをセグメント化する際に、他の視覚化よりも優れた 1 つの視覚化を正確に特定することは困難であることが判明しています。
観察されたパフォーマンスの変動は、異なるモデル構成間で最大 25% に達しており、考古学的オブジェクトを適切にセグメント化するには、モデル構成と LiDAR 視覚化を慎重に選択することの重要性を強調しています。

要約(オリジナル)

Deep learning methods in LiDAR-based archaeological research often leverage visualisation techniques derived from Digital Elevation Models to enhance characteristics of archaeological objects present in the images. This paper investigates the impact of visualisations on deep learning performance through a comprehensive testing framework. The study involves the use of eight semantic segmentation models to evaluate seven diverse visualisations across two study areas, encompassing five archaeological classes. Experimental results reveal that the choice of appropriate visualisations can influence performance by up to 8%. Yet, pinpointing one visualisation that outperforms the others in segmenting all archaeological classes proves challenging. The observed performance variation, reaching up to 25% across different model configurations, underscores the importance of thoughtfully selecting model configurations and LiDAR visualisations for successfully segmenting archaeological objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google