Automated National Urban Map Extraction

要約

発展途上国は通常、全国屋上地図を作成し、定期的に更新するための適切な統治手段を欠いている。連邦レベルの建物地図を作成するために伝統的な写真測量や測量の方法を使用することは、コストと時間がかかる。地球観測とディープラーニングの手法を用いることで、このギャップを埋め、そのような全国都市地図を取得する自動化パイプラインを提案することができる。本論文では、多クラスの建物インスタンスセグメンテーションのために、完全畳み込みニューラルネットワークの能力を活用し、オブジェクト単位で高い精度の結果を活用することを目的とする。サブメータの高解像度衛星画像からの建物インスタンスセグメンテーションは、比較的高いピクセル単位のメトリックスコアで達成できる。この研究を再現し、南半球の適切な都市計画が欠如している地域で目撃される、密集したスラム地域で高精度の結果を保証するための、すべての工学的ステップを詳述する。提案するパイプラインのケーススタディをレバノンに適用し、約100万ユニットを含む初の包括的な全国建物フットプリント地図を84％の精度で作成することに成功した。提案するアーキテクチャは、発展途上国でしばしば見られるデータセットの不足を克服するための高度な補強技術に依存しています。

要約(オリジナル)

Developing countries usually lack the proper governance means to generate and regularly update a national rooftop map. Using traditional photogrammetry and surveying methods to produce a building map at the federal level is costly and time consuming. Using earth observation and deep learning methods, we can bridge this gap and propose an automated pipeline to fetch such national urban maps. This paper aims to exploit the power of fully convolutional neural networks for multi-class buildings’ instance segmentation to leverage high object-wise accuracy results. Buildings’ instance segmentation from sub-meter high-resolution satellite images can be achieved with relatively high pixel-wise metric scores. We detail all engineering steps to replicate this work and ensure highly accurate results in dense and slum areas witnessed in regions that lack proper urban planning in the Global South. We applied a case study of the proposed pipeline to Lebanon and successfully produced the first comprehensive national building footprint map with approximately 1 Million units with an 84% accuracy. The proposed architecture relies on advanced augmentation techniques to overcome dataset scarcity, which is often the case in developing countries.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL