CAS: Confidence Assessments of classification algorithms for Semantic segmentation of EO data

要約

リモート センシングにおけるセマンティック セグメンテーション アルゴリズムの信頼性評価は重要です。
モデルが誤った出力を生成するかどうかを事前に知ることは、モデルの望ましい特性です。
地球観測 (EO) における分類タスクのモデルの推定値に割り当てられた信頼度の評価は、セマンティック セグメンテーションのパフォーマンスの向上を実現し、推論と展開中の高いエラー率を防ぐために使用できるため、非常に重要です。
私たちが開発するモデルであるセマンティック セグメンテーション (CAS) モデルの分類アルゴリズムの信頼性評価は、セグメント レベルとピクセル レベルの両方で信頼性評価を実行し、ラベルと信頼性の両方を出力します。
この研究の成果には重要な用途があります。
主な用途は、セマンティック セグメンテーションの下流タスク、特に衛星コペルニクス センチネル 2 データを使用した土地被覆分類に関する EO 基盤モデルの評価です。
評価では、提案されたモデルが効果的であり、他の代替ベースライン モデルよりも優れていることが示されています。

要約(オリジナル)

Confidence assessments of semantic segmentation algorithms in remote sensing are important. It is a desirable property of models to a priori know if they produce an incorrect output. Evaluations of the confidence assigned to the estimates of models for the task of classification in Earth Observation (EO) are crucial as they can be used to achieve improved semantic segmentation performance and prevent high error rates during inference and deployment. The model we develop, the Confidence Assessments of classification algorithms for Semantic segmentation (CAS) model, performs confidence evaluations at both the segment and pixel levels, and outputs both labels and confidence. The outcome of this work has important applications. The main application is the evaluation of EO Foundation Models on semantic segmentation downstream tasks, in particular land cover classification using satellite Copernicus Sentinel-2 data. The evaluation shows that the proposed model is effective and outperforms other alternative baseline models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google