Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection

要約

砂漠地帯で古代の農業段丘を発見することは、地表の長期的な気候変動を監視する上で重要である。しかし、従来の地上調査はコストが高く、規模も限られていた。航空機や衛星データの利用可能性が高まる中、機械学習技術は考古学的景観の自動検出と認識に大きな可能性を秘めている。本論文では、古代の農業段丘検出のためのディープセマンティックモデル融合法を提案する。入力データには、ネゲブ砂漠の航空写真とLiDARで生成された地形特徴が含まれる。EfficientNetをバックボーンに持つ2つのディープセマンティックセグメンテーションモデル、すなわちDeepLabv3+とUNetを学習させ、古代のテラスと壁のセグメンテーションマップを提供するために融合させる。提案された手法はInternational AI Archaeology Challengeで最優秀賞を受賞した。コードはhttps://github.com/wangyi111/international-archaeology-ai-challenge。

要約(オリジナル)

Discovering ancient agricultural terraces in desert regions is important for the monitoring of long-term climate changes on the Earth’s surface. However, traditional ground surveys are both costly and limited in scale. With the increasing accessibility of aerial and satellite data, machine learning techniques bear large potential for the automatic detection and recognition of archaeological landscapes. In this paper, we propose a deep semantic model fusion method for ancient agricultural terrace detection. The input data includes aerial images and LiDAR generated terrain features in the Negev desert. Two deep semantic segmentation models, namely DeepLabv3+ and UNet, with EfficientNet backbone, are trained and fused to provide segmentation maps of ancient terraces and walls. The proposed method won the first prize in the International AI Archaeology Challenge. Codes are available at https://github.com/wangyi111/international-archaeology-ai-challenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL