Image Augmentation for Satellite Images

要約

この研究では、土地利用と土地被覆 (LULC) 分類タスクの EuroSAT データセットを拡張するための生成モデル (GAN) の使用を提案しています。
DCGAN と WGAN-GP を使用して、データセット内の各クラスの画像を生成しました。
次に、元のデータセットを各ケースで約 10% 増強した場合のモデル パフォーマンスへの影響を調査しました。
GAN アーキテクチャの選択は、モデルのパフォーマンスに明らかな影響を与えないようです。
ただし、幾何学的増強とGANで生成された画像の組み合わせにより、ベースラインの結果が改善されました。
私たちの研究は、GAN 拡張が衛星画像の深い分類モデルの一般化可能性を改善できることを示しています。

要約(オリジナル)

This study proposes the use of generative models (GANs) for augmenting the EuroSAT dataset for the Land Use and Land Cover (LULC) Classification task. We used DCGAN and WGAN-GP to generate images for each class in the dataset. We then explored the effect of augmenting the original dataset by about 10% in each case on model performance. The choice of GAN architecture seems to have no apparent effect on the model performance. However, a combination of geometric augmentation and GAN-generated images improved baseline results. Our study shows that GANs augmentation can improve the generalizability of deep classification models on satellite images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google