Segmentation of arbitrary features in very high resolution remote sensing imagery

要約

リモート センシング (RS) 画像を介した超高解像度 (VHR) マッピングは、無数の領域における意思決定と持続可能な実践に情報を提供する新たな機会を提供します。
大きな VHR データを効率的に処理するには、多数の地理的地域や特徴に適用できる自動化ツールが必要です。
現代の RS 研究では、特定のデータセットまたは特徴に対して深層学習 (DL) モデルを採用することでこの課題に対処していますが、これによりコンテキスト全体での適用性が制限されます。
本研究は、VHR RS 画像内の任意の特徴をセグメント化するためのスケーラブルなソリューションである EcoMapper を導入することで、この制限を克服することを目的としています。
EcoMapper は、地理空間データ、DL モデルのトレーニング、推論の処理を完全に自動化します。
EcoMapper でトレーニングされたモデルは、現実世界の UAV データセット内の 2 つの異なる特徴をセグメント化することに成功し、コンテキスト固有のモデルを使用した以前の研究と競合するスコアを達成しました。
EcoMapper を評価するために、多くの追加モデルが主要なフィールド調査特性 (FSC) の順列でトレーニングされました。
コーディングインデックス (CI) と呼ばれる、特徴サイズから最適な地上サンプリング距離を導出できる関係が発見されました。
収集されたデータに DL 手法を効果的に適用できることを保証するために、現地調査のための包括的な方法論が開発されました。
この作業に付随する EcoMapper コードは https://github.com/hcording/ecomapper で入手できます。

要約(オリジナル)

Very high resolution (VHR) mapping through remote sensing (RS) imagery presents a new opportunity to inform decision-making and sustainable practices in countless domains. Efficient processing of big VHR data requires automated tools applicable to numerous geographic regions and features. Contemporary RS studies address this challenge by employing deep learning (DL) models for specific datasets or features, which limits their applicability across contexts. The present research aims to overcome this limitation by introducing EcoMapper, a scalable solution to segment arbitrary features in VHR RS imagery. EcoMapper fully automates processing of geospatial data, DL model training, and inference. Models trained with EcoMapper successfully segmented two distinct features in a real-world UAV dataset, achieving scores competitive with prior studies which employed context-specific models. To evaluate EcoMapper, many additional models were trained on permutations of principal field survey characteristics (FSCs). A relationship was discovered allowing derivation of optimal ground sampling distance from feature size, termed Cording Index (CI). A comprehensive methodology for field surveys was developed to ensure DL methods can be applied effectively to collected data. The EcoMapper code accompanying this work is available at https://github.com/hcording/ecomapper .

arxiv情報

著者 Henry Cording,Yves Plancherel,Pablo Brito-Parada
発行日 2024-12-20 16:48:52+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク