要約
高解像度のリモートセンシング画像から建物のフットプリントを抽出するセマンティックセグメンテーション技術は、都市計画などの多くの分野で広く使用されています。
ただし、大規模な建物を抽出するには、トレーニング サンプルのより高い多様性が必要です。
この論文では、6 大陸からの 116.9k ペアのサンプル (約 742k の建物) で構成される Global Building Semantic Segmentation (GBSS) データセットを構築します (このデータセットはリリース予定です)。
構築サンプルにはサイズとスタイルの点で大幅なバリエーションがあるため、このデータセットは構築セマンティック セグメンテーション モデルの一般化と堅牢性を評価するためのより困難なベンチマークになる可能性があります。
私たちは、異なるデータセット間の定量的および定性的な比較を通じて検証し、サブセットで実験を行うことによって転移学習の分野での応用の可能性をさらに確認しました。
要約(オリジナル)
Semantic segmentation techniques for extracting building footprints from high-resolution remote sensing images have been widely used in many fields such as urban planning. However, large-scale building extraction demands higher diversity in training samples. In this paper, we construct a Global Building Semantic Segmentation (GBSS) dataset (The dataset will be released), which comprises 116.9k pairs of samples (about 742k buildings) from six continents. There are significant variations of building samples in terms of size and style, so the dataset can be a more challenging benchmark for evaluating the generalization and robustness of building semantic segmentation models. We validated through quantitative and qualitative comparisons between different datasets, and further confirmed the potential application in the field of transfer learning by conducting experiments on subsets.
arxiv情報
著者 | Yuping Hu,Xin Huang,Jiayi Li,Zhen Zhang |
発行日 | 2024-01-02 12:13:35+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google