Semantic Clustering of a Sequence of Satellite Images

要約

衛星画像は、多くの実世界のアプリケーションにとって非常に貴重で豊富なリソースを構成します。
ただし、ほとんどの機械学習モデルのトレーニングに必要なラベル付きデータは不足しており、入手が困難です。
これに関連して、現在の作業では、衛星画像の時系列を考慮して、その意味的特性と時間の経過に伴う進化に従って地面のパーティションを作成する、完全に教師なしの方法論を調査しています。
一連の画像は、埋め込まれたタイルの多変量時系列のグリッドに変換されます。
これらのタイルのシーケンスの埋め込みと分割クラスタリングは、2 つの反復ステップで構築されます。最初のステップでは、埋め込みにより、地理的な近隣に基づいてタイルのシーケンスの情報を抽出でき、タイルはクラスターにグループ化されます。
2 番目のステップでは、クラスターによって定義された近傍を使用して埋め込みが洗練され、タイルのシーケンスの最終的なクラスター化が取得されます。
ナバラ (スペイン) の地域の 20 の衛星画像のシーケンスのセマンティック クラスタリングを実行することによって方法論を説明します。
結果は、多変量時系列のクラスタリングが堅牢であり、調査中の地域に関する信頼できる時空間的意味情報を含んでいることを示しています。
地理空間と埋め込まれた空間の間に存在する密接な関係を明らかにし、これらの種類の埋め込みに起因するセマンティック プロパティが完全に活用され、提案された時系列のクラスタリングによってさらに強化されることを発見しました。

要約(オリジナル)

Satellite images constitute a highly valuable and abundant resource for many real world applications. However, the labeled data needed to train most machine learning models are scarce and difficult to obtain. In this context, the current work investigates a fully unsupervised methodology that, given a temporal sequence of satellite images, creates a partition of the ground according to its semantic properties and their evolution over time. The sequences of images are translated into a grid of multivariate time series of embedded tiles. The embedding and the partitional clustering of these sequences of tiles are constructed in two iterative steps: In the first step, the embedding is able to extract the information of the sequences of tiles based on a geographical neighborhood, and the tiles are grouped into clusters. In the second step, the embedding is refined by using the neighborhood defined by the clusters, and the final clustering of the sequences of tiles is obtained. We illustrate the methodology by conducting the semantic clustering of a sequence of 20 satellite images of the region of Navarra (Spain). The results show that the clustering of multivariate time series is robust and contains trustful spatio-temporal semantic information about the region under study. We unveil the close connection that exists between the geographic and embedded spaces, and find out that the semantic properties attributed to these kinds of embeddings are fully exploited and even enhanced by the proposed clustering of time series.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google