Generalized Few-Shot Semantic Segmentation in Remote Sensing: Challenge and Benchmark

要約

限られたラベル付きデータを使用した学習は、リモート センシングを含むさまざまなアプリケーションにおいて困難な問題です。
フューショット セマンティック セグメンテーションは、深層学習モデルがトレーニング中に見られなかった新しいクラスの少数のラベル付きサンプルから学習することを促進できるアプローチの 1 つです。
一般化された少数ショット セグメンテーション設定には、モデルが新しいクラスに適応するだけでなく、トレーニングの基本クラスで優れたパフォーマンスを維持することを促す追加の課題があります。
以前のデータセットとベンチマークではリモート センシングにおける少数ショット セグメンテーション設定について説明しましたが、私たちはリモート センシング用の一般化された少数ショット セグメンテーション ベンチマークを初めて提案しました。
一般化された設定はより現実的で難しいため、リモート センシングのコンテキスト内で検討する必要があります。
一般化された少数ショット評価設定用にラベル付けされた追加クラスで OpenEarthMap を強化するデータセットをリリースします。
このデータセットは、CVPR 2024 と連動した L3D-IVU ワークショップでの OpenEarthMap 土地被覆マッピングの一般化された少数ショット チャレンジ中にリリースされました。この作業では、データセットとチャレンジの詳細を要約し、さらに 2 つのフェーズのベンチマーク結果を提供します。
検証セットとテストセットの課題。

要約(オリジナル)

Learning with limited labelled data is a challenging problem in various applications, including remote sensing. Few-shot semantic segmentation is one approach that can encourage deep learning models to learn from few labelled examples for novel classes not seen during the training. The generalized few-shot segmentation setting has an additional challenge which encourages models not only to adapt to the novel classes but also to maintain strong performance on the training base classes. While previous datasets and benchmarks discussed the few-shot segmentation setting in remote sensing, we are the first to propose a generalized few-shot segmentation benchmark for remote sensing. The generalized setting is more realistic and challenging, which necessitates exploring it within the remote sensing context. We release the dataset augmenting OpenEarthMap with additional classes labelled for the generalized few-shot evaluation setting. The dataset is released during the OpenEarthMap land cover mapping generalized few-shot challenge in the L3D-IVU workshop in conjunction with CVPR 2024. In this work, we summarize the dataset and challenge details in addition to providing the benchmark results on the two phases of the challenge for the validation and test sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google