要約
人工知能高等研究院 (IARAI) が主催する 2022 Landslide4Sense (L4S) コンペティションの科学的成果をここに示します。
コンテストの目的は、世界中で収集された大規模な複数の衛星画像ソースに基づいて、地滑りを自動的に検出することです。
2022 L4S は、衛星画像を使用したセマンティック セグメンテーション タスクのディープ ラーニング (DL) モデルの最近の開発に関する学際的な研究を促進することを目的としています。
ここ数年、DL ベースのモデルは、畳み込みニューラル ネットワーク (CNN) の開発により、画像解釈に対する期待に応えるパフォーマンスを達成してきました。
この記事の主な目的は、このコンテストで取り上げられた詳細と最高のパフォーマンスを発揮するアルゴリズムを紹介することです。
受賞ソリューションは、Swin Transformer、SegFormer、U-Net などの最先端のモデルを使用して作成されています。
ハードサンプルマイニング、セルフトレーニング、ミックスアップデータ拡張などの高度な機械学習技術と戦略も考慮されています。
さらに、さらなる比較を容易にするために L4S ベンチマーク データ セットについて説明し、精度評価の結果をオンラインで報告します。
データは \textit{Future Development Leaderboard} で将来の評価のために \url{https://www.iarai.ac.at/landslide4sense/challenge/} でアクセスできます。研究者はより多くの予測結果を提出し、精度を評価するよう招待されています。
他のユーザーの方法と比較し、理想的には、この記事で報告されている地滑り検出結果を改善してください。
要約(オリジナル)
The scientific outcomes of the 2022 Landslide4Sense (L4S) competition organized by the Institute of Advanced Research in Artificial Intelligence (IARAI) are presented here. The objective of the competition is to automatically detect landslides based on large-scale multiple sources of satellite imagery collected globally. The 2022 L4S aims to foster interdisciplinary research on recent developments in deep learning (DL) models for the semantic segmentation task using satellite imagery. In the past few years, DL-based models have achieved performance that meets expectations on image interpretation, due to the development of convolutional neural networks (CNNs). The main objective of this article is to present the details and the best-performing algorithms featured in this competition. The winning solutions are elaborated with state-of-the-art models like the Swin Transformer, SegFormer, and U-Net. Advanced machine learning techniques and strategies such as hard example mining, self-training, and mix-up data augmentation are also considered. Moreover, we describe the L4S benchmark data set in order to facilitate further comparisons, and report the results of the accuracy assessment online. The data is accessible on \textit{Future Development Leaderboard} for future evaluation at \url{https://www.iarai.ac.at/landslide4sense/challenge/}, and researchers are invited to submit more prediction results, evaluate the accuracy of their methods, compare them with those of other users, and, ideally, improve the landslide detection results reported in this article.
arxiv情報
| 著者 | Omid Ghorbanzadeh,Yonghao Xu,Hengwei Zhao,Junjue Wang,Yanfei Zhong,Dong Zhao,Qi Zang,Shuang Wang,Fahong Zhang,Yilei Shi,Xiao Xiang Zhu,Lin Bai,Weile Li,Weihang Peng,Pedram Ghamisi |
| 発行日 | 2022-09-12 13:05:03+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google